benchmarks
2 篇文章
Grok 4.20 來了：便宜、不愛幻覺，但跑分還沒追到前線
xAI 釋出 Grok 4.20 Beta，在 Artificial Analysis Intelligence Index 拿到 48 分，比前一代 Grok 4 進步 6 分。價格大降（$2/$6 vs $3/$15），幻覺率測出史上最低，但整體智力仍落後 Gemini 3.1 Pro Preview 和 GPT-5.4 的 57 分前線。
Anthropic 揭露 AI Benchmark 的骯髒秘密 — 你看到的排行榜可能只是「比誰的電腦大台」
Anthropic 發現 agentic coding benchmark 的分數差距，可能不是模型能力差異，而是跑測試的硬體配置不同。在 Terminal-Bench 2.0 上，最窮和最富的硬體設定差了整整 6 個百分點。下次看到排行榜差 2-3% 就宣稱「我們贏了」的，先打個問號。