Grok 4.5 专业基准跑分泄露

一位自称在 Snorkel AI 工作的 Reddit 用户发帖，称其团队拿到了 Grok 4.5 早期访问权，并在约 2000 个专业工作基准任务(GDPval+)上测试。据帖子数据：**Grok 4.5 平均通过率 29%**,高于 GPT 5.5(22%)和 Claude Opus 4.8(21%);在法律(40% vs 27–28%)和 QA(37% vs 19–27%)等需要深层专业判断的领域优势更明显，且六类失败模式发生率最低。

该基准由 Snorkel AI 构建，任务涵盖真实专业工作场景（文档、电子表格、分析报告）,评估标准由从业专家撰写。帖子包含完整方法论文档链接，不过发帖人身份尚未独立验证，Snorkel AI 和 xAI 均未就此数据发表正式声明。

💡 为什么值得看Grok 4.5 据称在专业工作基准上领先 GPT-5.5 和 Claude Opus 4.8，但数据未获官方证实。