AI 产品

Grok 4.6在AA-Briefcase基准测试中表现优异，成本显著低于其他领先模型

首次出现 8月13日 02:00·最近更新 8月13日 02:00

根据Twitter/X AI List上的帖子，AA-Briefcase是一个代理知识工作基准测试，用于评估模型在长期代理知识工作任务上的表现，测试集私有以避免污染。Grok 4.6在该基准上与Claude Fable 5表现相当，置信区间重叠，且成本更低：每项任务成本为$4.42，而Claude Fable 5为$22.30，Claude Opus 5为$17.79，Kimi K3为$6.73。帖子中包含评论称发布令人印象深刻，但来源非官方，需谨慎对待讨论部分。

多来源证据

Twitter/X AI List·twitter·8月13日 01:55

Grok 4.6在AA-Briefcase基准测试中取得显著进展，成本大幅低于其他领先模型

AA-Briefcase测试模型在长期代理知识工作任务上的表现。测试集私有以防止污染。Grok 4.6与Claude Fable 5并驾齐驱，置信区间重叠。该模型在基准上的成本也显著低于其他领先模型，每项任务成本为$4.42，相比之下Claude Fable 5为$22.30，Claude Opus 5为$17.79，Kimi K3为$6.73。发布令人印象深刻 @SpaceXAI 和 @elonmusk。

事件时间线

8月13日 01:55
Twitter/X AI List
Grok 4.6在AA-Briefcase基准测试中取得显著进展，成本大幅低于其他领先模型