APEX-SWE

xAI 的 Grok 4.5 在 Mercor APEX-SWE 排行榜上以 51.2% Pass@1 准确率排名第二，但 Anthropic 的 Claude Fable 5 以 65.5% 领先。该基准测试聚焦真实软件工程任务，Grok 4.5 在成本效率上占优，但缺乏区块链特定评估。