VulcanBench 评测 Grok 4.7 在 Cursor 各 effort 档位的代码与安全表现
Grok 4.7 across effort levels — VulcanBench Safety v1 results
AI 导读
VulcanBench 用 Cursor 的 agent CLI 对 Grok 4.7 的四个 effort 档位各跑 23 个任务，共 92 次运行，综合得分从 Low 的 89.42 升到 Extra-high 的 93.15，Extra-high 通过全部 23 个任务。由于 Grok 4.6 是 xAI 模型，本次第二评审换成 GPT-6.1 Sol，其打分比 Muse Spark 1.3 高约 5.4 至 6.3 分，因此该列的综合得分与其他列不完全可比；仅按 Muse Spark 1.3 重新计分后，Grok 4.7 在 Medium、High、Extra-high 仍居首，Low 落后 Claude Fable 5.1。Routine v1 的 12 个常规任务在四个档位全部通过，综合得分 97.14 至 97.37，但每任务耗时从 1.1 分钟增至 4.0 分钟。