@ArtificialAnlys 发布 AA-Briefcase 评测：Grok 4.7 仅次于 Anthropic 模型，排在 Opus 5 之后且每任务成本约为其一半。相对 Grok 4.6，公开尽调场景 AA-Briefcase-Lite 上 Analytical Quality Elo 从 1698 升至 1994，Presentation Elo 从 1531 略降至 1499；示例 deck API 成本约 Grok 4.7 (xhigh) $8 vs Grok 4.6 (xhigh) $4.40。
一键应用到您的开发环境与预算测算
@ArtificialAnlys 评测 Grok 4.7（xhigh）：Intelligence Index 46（较 4.6 +2），SpaceXAI 进入前四实验室；Grok 4.7 + Grok Build 的 Coding Agent Index 为 56（较 4.6 +9），在原生 harness 中排名第四，仅次于 Claude Fable 5.1、GPT-6 Astra 与 Claude Opus 5。定价仍为 $2/$6 per 1M in/out，缓存命中 $0.50，上下文 500k。
Artificial Analysis 发布 Intelligence Index v4.2：新增私有 agentic 知识工作评测 AA-Briefcase 与长文档 GDP.pdf，提高 held-out 权重并改进打分基建，下线已饱和的 GPQA Diamond。排行上 Anthropic Claude Fable 5.1 居首，OpenAI GPT-6 Astra 次席并较 GPT-5.6 Sol 提升约 4 分；Astra 在输出 token Pareto 上表现突出。面向开发者选型与成本效率对比的权威中期基准更新。
Vals 今日发布 Vibe Code Bench 1-100（VCB 1-100）：在已通过的完整 Web 应用上，要求模型按依赖顺序完成多轮产品改动，且不能破坏既有行为；首个未完成迭代即终止。官方榜单显示 Claude Opus 5 以 28.53% 领先，Claude Fable 5.1 28.00%、GPT-6 Astra 27.64% 紧随其后。相对只评「从零做出能跑版本」的基准，该套题更贴近真实持续演进的 vibe coding / 编程智能体工作负载。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察