Grok Code 在 Kilo Agentic Model 排行榜上夺得第一名——而且差距远远超过第二名。数字说明了一切：使用量达 35.6B 令牌，超过第二名超过4倍。这不仅仅是又一次基准测试的胜利。它表明代理模型正在不断演变，性能差异非常明显。当某个实现远远领先于排行榜时，通常意味着它在某个根本层面上运作得截然不同。总结一下？代理AI正变得越来越具有竞争力，技术门槛也在不断提高，什么才算是最先进的水平。