Grok-4.5 Agent Arena排名第13，幻觉指标位列第4

精选理由

xAI的Grok-4.5在Agent Arena进步明显，幻觉控制做到第4，任务成功提升近7%，适合关注智能体性能的朋友。

AI 摘要

Grok-4.5在Agent Arena基准测试中总体排名第13，较此前提升5.0%。其幻觉指标排名第4，提升1.3%；确认任务成功排名第6，提升6.9%。Bash恢复排名第9，提升9.7%；表扬与投诉比例排名第12，提升6.1%。可操控性排名第15，提升0.9%。

原文 · lmarena.ai

In Agent Arena, Grok-4.5 ranks #13 overall (+5.0%). - #4 Hallucination (+1.3%) - #6 Confirmed Task S...

In Agent Arena, Grok-4.5 ranks #13 overall (+5.0%). - #4 Hallucination (+1.3%) - #6 Confirmed Task Success (+6.9%) - #9 Bash Recovery (+9.7%) - #12 Praise vs. Complaint (+6.1%) - #15 Steerability (+0.9%) 💬 1 🔄 0 ❤️ 3 👀 602 📊 1 ⚡

查看原推