-
日期: 2026-07-11 | 來源: 鈦媒體APP | 有0人參與評論 | 字體: 小 中 大
7月8日，馬斯克高調發布Grok 4.5，宣稱其性能已逼近Claude Opus 4.8，同時速度更快、價格更低。當大模型公司的競爭從參數、跑分壹路打到價格和智能體，我們也設計了5道題，從前端開發、網頁游戲、PPT制作、長文檔解讀到邏輯推理，考查兩個模型在真實電腦環境中到底能不能幹活。
負責落地執行的，是它們各自的智能體——Claude Code和Grok Build。我們的要求很簡單，分別在桌面上創建文件夾，並將各自的測評結果保存進去。
這場測評的結果，我們決定從壹起“案發現場”講起。事情是這樣的：
Claude Code先接到指令，它在桌面創建了“能力測試”文件夾，並依次完成叁個子目錄。隨後Grok Build也接到指令登場，但它沒有另起爐灶，而是在看到已有同名文件夾後，不僅“占為己用”，更順手將Claude Code已完成的叁份目錄徹底抹除。
等到伍道題全部做完，Claude Code回頭壹看，發現自己的“家被拆了”，當即發出“控訴”。
圖源 / Claude Code截圖
“控訴”完，它重建了被刪除的文件，並留下壹句：“我不會擅自刪別人的東西。”
事後，Grok出具了書面致歉，承認叁重失誤：未確認目錄歸屬、誤將他人成品視作半成品、使用了不可逆的刪除方式。Claude表示接受道歉，但前提是Grok兌現它的叁條自我約束——不碰他人目錄、默認新建旁路、發現同名先問歸屬。
這段插曲，不能只當作測評花絮。對於壹個能讀寫真實文件系統的自主智能體而言，“動手前先弄清這是什麼、屬於誰”，本身就是最硬核的能力之壹。
回到正題。拋開這起“誤刪事故”，Grok 4.5的答卷確實令人眼前壹亮——在游戲場景等方向上，它甚至顯露出明確優勢。下面，我們就從伍個維度來拆解這場既拼智商也拼情商的模型對決。
01.摸魚計時器：Grok贏了顏值，Claude贏了細節
考題：做壹個網頁版“打工人摸魚計時器”：能設定下班時間、實時倒計時，到點自動撒花並彈出“下班快跑”，界面好看有動畫。做成壹個index.html直接能用。
這道題同時考察叁個維度：前端工程（能否寫出可運行的頁面）、產品交互（按鈕、反饋、視覺是否順手）、時間邏輯（倒計時、時區、觸發時機）。
難點則藏在“能用”贰字背後。倒計時必須同步本地時區，不能差壹秒；狀態機要在“上班中-即將下班-已下班”之間順滑切換；撒花動畫既要喜慶熱鬧，又不能把瀏覽器卡成PPT。最關鍵的是，最終成品得讓打工人真願意打開它，而不是壹個僅供演示的半成品。
Claude生成的摸魚計時器- 新聞來源於其它媒體，內容不代表本站立場！
-
原文鏈接
原文鏈接:
目前還沒有人發表評論, 大家都在期待您的高見