AI 编码基准测试竞赛迎来新玩家，排行榜已开始影响企业模型部署决策。xAI 的 Grok 4.5 在 Mercor APEX-SWE 排行榜上获得第二名，Pass@1 准确率达到 51.2%。但排名第一的 Anthropic Claude Fable 5 高达 65.5%，差距显著。
APEX-SWE 由 Mercor 与 Cognition 于 2026 年 3 月推出，聚焦真实世界的生产级软件工程任务，特别强调集成工作和可观测性挑战，测试模型处理工程团队日常面对的复杂、互联编码工作的能力。
Fable 5 于 2026 年 6 月初发布，专为高能力推理和智能体任务优化，以 65.5% ± 6.2% 的成绩领跑。Grok 4.5 为 51.2% ± 6.0%。Grok 4.5 于 2026 年 7 月初发布，在另一个评估智能体工作流自动化能力的基准测试 AutomationBench-AA 上以 51% 的分数夺得第一。
xAI 表示，Grok 4.5 在每任务成本上比竞争对手低 4 到 17 倍（视工作负载而定），同时提供可比结果。值得注意的是，APEX-SWE 缺乏区块链特定评估标准，尚未将 Solidity 开发、跨链集成测试或链上状态管理等独特维度纳入考核类别，这一空白仍有待填补。
免责声明：本文提供的信息不是交易建议。BlockWeeks.com不对根据本文提供的信息所做的任何投资承担责任。我们强烈建议在做出任何投资决策之前进行独立研究或咨询合格的专业人士。
