仓库级那关，三档全包：Grok

"Grok 4.7 is excellent at dealing with large code repositories"，马斯克的原句摆这儿，引帖那头把分数列齐了。

榜单照录。VulcanBench Frontier v4 上，三档全包，xHigh 93.15、High 92.71、Medium 92.30，把 Fable 5.1、Opus 5.5、GPT-6 Astra、GPT-6.1 Sol 这一串压在身后。

考的正是仓库级的工程活，不是几个孤立片段。二十三道行为重建题按真实行为重建老旧软件，功能正确性走隐藏测试，外加安全与质量那几关。xHigh 二十三过二十三，High 二十二。

"不是片段、是整座仓库"这半句是全场重心。前面十道全过讲的是自跑能扛日常活，这条讲的是扛仓库那级的活。跟前面把决定挪进系统呼应，那条改的是谁来定，这条改的是定得多准。跟前面六个仓库各接一段也接得上，一边是别人接进来，一边是自己吃下去，方向相反而落点同一处。

三档一分不差全包我留意，考的换成整座仓库，分数还能压在一条线上，这份齐整比单点冲高更难。

我留的疑问有三处。二十三题的类型分布没拆；隐藏测试的判定细节没说；三档之间的速度差也没数。

这周把仓库里最旧的一块扔给它，看几处能过隐藏测试。