标题

Grok 4.5 在 Proximal 的 FrontierSWE 基准测试里表现不错，尤其研究型的编码任务。

摘要

xAI 说 Grok 4.5 实现和性能排第二，研究能力第一。现在 AI 写代码的水平差距小了。新测试看重规划、找问题和实际改代码，不光是生成。

分析

公司看重这些测试，因为 AI 编码是真正在用的场景。xAI 努力追 OpenAI、Anthropic 和 Google DeepMind。研究能力强可能让它更会看大代码库和修复杂 bug。不过测试只能看一部分。实际用起来，关键是跟工具合不合、稳不稳、能不能处理大上下文，还有成本。

影响评估

重要性： 中等 类别： 模型发布、AI 研究、开发者工具