VulcanBench Frontier v4: Grok 4.7 leads Astra and Sol across all tiers
On VulcanBench Frontier v4's 23 behavior-refactoring tasks, Grok 4.7 leads Opus 5.5, GPT-6 Astra and GPT-6.1 Sol at every tier from Extra-high to Low, but takes longer per task.
🔥原来Grok 4.7 + Cursor 才是王炸！Grok 4.7 刚在独立榜 VulcanBench Frontier v4 上，把Astra、Opus 5.5、GPT6.1-Sol 按在每个档位下面！ 不是挑一个最高档报喜，是 23 道行为重构任务，综合分 = 正确性 50% + 代码质量 33% + lint/安全： 🔹Extra-high：93.15，23/23 通过。Opus 5.5 是 90.68，GPT-6 Astra 89.16，GPT-6.1 Sol 88.78 🔹High / Medium：92.71、92.30，整榜前三全是 Grok 4.7（Cursor） 🔹代码质量：Extra-high 84.35，明显高于 Opus 79.98、Astra 75.47、Sol 74.99 🔹Low 档照样领先：89.42 vs 86–87 代价也写在同一张卡上： 更慢（约 20–28 分钟/题，Astra 大约 5–10 分钟），token 也更高。 评委协议有调整（Grok 由 Muse + Sol 打分）。只看共同评委 Muse，Medium 到 Extra-high 仍然第一。 详见榜单：https://vulcanbench.com/leaderboard.html #Grok #Grok47 #VulcanBench #AI #LLM #SpaceXSI #ElonMusk #Cursor
This post quotes another post: x.com/nft_chen/status/2106107704599290149