模型测试数据

这个夏天，有多个新模型（如Grok 4、DeepSeek-R2等）备受期待。近期，关于疑似Grok 4 / Grok 4 Code的基准测试截图引发了广泛关注。这些数据虽然没有被官方认证，但表现出色，尤其是HLE和GPQA测试中表现突出。