AI 产品

Grok 4.6版本在基准测试中表现退步：通过率下降，延迟翻倍

首次出现 8月15日 01:00·最近更新 8月15日 01:00

根据测试数据，AI模型Grok 4.6在RipplingBench基准测试中表现不如前一版本Grok 4.5。测试运行了2100次带评分的任务，显示Grok 4.6的通过率从87.3%下降至85.9%，中位数响应延迟从71秒增加到131秒。此外，Grok 4.6错误率更高，频繁出现“出了点问题”的提示，并拒绝回答良性问题（如询问销售部门Google Workspace访问权限），还产生不完整输出但声称任务成功。这些是已确认的测试事实。讨论部分，作者推测表现退步可能与提示调优有关，并认为这些模型在日常业务任务上已接近帕累托前沿，即当前可能达到最优权衡点。详细数据和任务背景可参考原始帖子。

多来源证据

Twitter/X AI List·twitter·8月14日 12:28

今天我们运行了2100次带评分的Grok 4.6测试。与4.5相比，通过率从87.3%退步到85.9%，中位数延迟几乎翻倍（71秒 → 131秒）

嗯。今天我们运行了2100次带评分的Grok 4.6测试。与4.5相比，通过率从87.3%退步到85.9%，中位数延迟几乎翻倍（从71秒到131秒）。Grok 4.6还更频繁地出错（“出了点问题”），拒绝回答良性问题（例如，“销售部门谁有Google Workspace的访问权限”），并产生不完整输出但声称成功（返回了54%的所需字段，但声称100%）。可能与提示调优有关，但感觉我们至少目前在某些模型的日常业务任务上处于帕累托前沿。阅读原始帖子了解RipplingBench所代表的数据和任务形状的详细信息；它非常实用。

事件时间线

8月14日 12:28
Twitter/X AI List
今天我们运行了2100次带评分的Grok 4.6测试。与4.5相比，通过率从87.3%退步到85.9%，中位数延迟几乎翻倍（71秒 → 131秒）