Elon Musk昨天发了条推文Try Grok Build, its awesome! 顺手丢了个x.ai/cli的链接。本来以为又是常规推广但点进去看了下X Freeze团队的详细数据发现事情没那么简单——Grok 4.5在Long-Horizon Terminal-Bench长周期终端基准测试中以最高通过率排名第一超过了Claude Fable 5、Claude Opus 4.8和GPT-5.6-sol。怎么说呢这个结果确实有点意思。这个基准测试不一样先交代一下背景。Terminal-Bench不是那种跑几个Python题就出分的玩具评测。它测试的是AI在终端环境中执行完整任务链的能力——从一个初始指令开始AI需要自己决定先做什么、查什么、遇到错误怎么处理、最终完成目标。说白了就是模拟一个工程师拿到需求后的完整工作流程。评测标准也很严格。不是你写了个大概能跑的代码就得分——必须是完全正确、一个错误都没有才算通过。只统计完美得分的任务。翻了下原文看到这个评分标准时愣了几秒。说实话大多数编程评测的标准都没这么严。通常拿到部分分就算数但Terminal-Bench的binnary pass rate二元通过率只有全对或全错两个结果。这意味着模型是真的有能力从头到尾完成复杂任务而不是碰运气混及格。具体成绩意味着什么Grok 4.5在这个指标上排第一超过的对手包括Claude Fable 5Anthropic今年发布的旗舰模型、Claude Opus 4.8和GPT-5.6-sol。真正的问题在于这个排名的含金量有多高我认为有几个角度值得关注。第一Grok 4.5可能是目前定位最明确的编程模型之一。x.ai没有去卷通用知识问答、多模态识别这些指标而是把精力集中在终端编程场景上。Grok Build这个CLI工具就是面向终端环境的吃自己的狗粮模型自然优化了这个方向。第二这个结果反映了一个被很多人忽略的趋势——编程模型的竞争力正在从能写多少代码转向能在复杂环境中独立完成多少任务。一两年前大家讨论的是代码生成的质量单函数、单文件的准确率现在看的是端到端的任务完成率。这其实是一个更接近真实开发场景的评估方式。但事情没有这么简单问题在这里Terminal-Bench的评测环境是由x.ai自己发布的。虽然评测方法看起来合理但自家的模型在自家的测试集上排名第一说服力总归要打个折扣。我翻了下Hacker News上对这个结果的讨论发现争议主要集中在三点一是评测数据的透明性有没有可能存在数据泄露即模型在训练时见过测试任务二是和其他评测结果的交叉验证同期的SWE-bench上Grok 4.5表现如何三是实际使用体验是否真的比Claude Fable 5好。这里容易被忽略的是Grok Build本身是一个很好的产品。不管你认不认可Grok 4.5的排名X.ai/cli这个CLI工具的设计确实有亮点。它直接集成到终端支持长上下文对话不需要离开命令行。对于终端重度用户来说这个体验可能比在IDE里开个侧边栏更顺手。从实际部署来看我在几台工作站上试过Grok Build体验很特别的一点是它在一个SSH会话里就可以完整工作不需要GUI环境。这对跑在服务器上的开发者来说是个实实在在的优势——你ssh到服务器直接开始用AI编码不用在本地IDE和远程服务器之间来回切。对开发者意味着什么我认为Grok 4.5的登顶传递了一个信号AI编码模型的竞赛正在从谁的基础能力更强转向谁在真实场景中更可用。这不是一个简单的benchmark分数可以完全衡量的。对普通开发者来说这意味着选择会越来越多。去年你想用AI编程助手Copilot或Codex基本是唯一选择。今年有Claude Code、Grok Build、Codex、Copilot、CodeGemini每家都在不同的维度上做差异化。这是个好事——但选择多了反而更难判断哪个工具真正适合自己。举个具体的例子。上周我用Grok Build试了一个任务给一个Spring Boot应用添加Redis缓存层。不是那种写个demo的级别是真要在生产代码里插入。Grok Build先读取了现有的所有配置文件和Repository层代码然后建议了具体的缓存策略——哪些方法适合缓存、TTL设多少、缓存穿透怎么处理。整个过程大概15分钟中间我只纠正了一次缓存的key命名规范。如果放在去年的AI编程助手大概率需要反复对话才能达到这个效果。说白了真正的检验还是在日常开发中你打开终端丢给它一个真实的需求它能不能从头到尾帮你搞定中间遇到报错能不能自己debug做完的事情质量能不能接受。这些不是benchmark分数能告诉你的。关于维基框架维基框架关注企业应用开发中的长期维护问题。在实际项目中业务系统往往同时涉及权限、微服务、接口协议、部署环境等复杂因素因此我们希望提供一套更容易扩展和维护的基础框架。官网framewiki.comGiteegitee.com/wiki-frameworkGitHubgithub.com/wiki-framework示例项目gitee.com/cdkjframework/framewiki-example 许可证MulanPSL-2.0木兰宽松许可证第2版