实测：Grok 4.3是否胜任算法代码编写工作

前言：Grok能写简单接口，算法表现如何？

此前实测中，Grok 4.3的算法实现获得7.8/10，意外高于代码生成（6.9）与Bug修复（6.3）。这一结果带来疑问：Grok确实更擅长算法，还是那道LRU缓存刚好命中了它的训练数据？今天将以五道难度不同的算法题进行更完整的验证。

工具数量太多难以选择、收藏不少却很少真正使用、查找成本高、入口分散、没有面向开发者的整理——在"选AI写算法"时，这五个痛点尤其现实。若想找到一个可按场景迅速比较AI工具算法能力的入口，可以了解 titiai.cn 此类AI工具聚合平台。

本次选取五道经典算法题，实际检验Grok 4.3编写算法代码的能力，并横向比较ChatGPT（GPT-5.6）、Claude 4.8和Gemini 3.5。

一、测试设计：以五道算法题覆盖不同难度

各题从三个维度进行评估：逻辑是否正确、时间复杂度是否最优、边界处理是否完整。

二、LRU缓存：Grok的亮眼表现

此前Grok在这道题中得到7.8分，本次复测结果依旧稳定。

Grok采用OrderedDict给出了一套简洁方案，逻辑没有问题，也覆盖了边界处理（容量为0、重复key）。其代码风格清爽，注释充分。

三、二叉树序列化：Grok的短板开始显现

Grok能够正确完成序列化，但反序列化遗漏了对空节点的处理：树中出现连续空节点时，所得反序列化结果会出错。简单测试用例无法发现该Bug，必须使用特定树结构才能触发。

四、最长递增子序列（O(nlogn)）：模型差距扩大

题目指定时间复杂度必须为O(nlogn)，不能采用简单的动态规划O(n²)方案。

Grok使用了O(n²)的动态规划方案，未能满足O(nlogn)的要求。 它虽然理解"最长递增子序列"问题，却没有使用二分查找进行优化。GPT-5.6和Claude均给出了正确的O(nlogn)方案。

由此可见Grok存在算法深度短板：中等难度算法题可以答对，一旦题目需要特定优化技巧，便显得能力不足。

五、拓扑排序和正则匹配

拓扑排序（中等）：

Grok的拓扑排序逻辑正确，但对"图中有环"这个边界情况没有处理——当输入图存在环时，Grok的代码会无限循环而不是报错。

正则表达式匹配（困难）：

面对困难算法题，Grok直接失利。 正则表达式匹配涉及复杂的状态转移逻辑，Grok提供的DP方案在状态转移方程上存在错误，因而得出了不正确的匹配结果。GPT-5.6是唯一将全部题目做对的模型。

六、综合评分及难度适配

结论十分明确：Grok应对中等难度算法题的表现较好（7.5），但难度越高，成绩下降越明显——困难题仅为4.5分。GPT-5.6面对各个难度都保持在8.4-8.5，是可靠性最高的算法助手。

七、四个实际问题

① Grok的算法能力存在明确上限。 中等难度可以胜任（7.5），到了中等偏难便开始吃力（6.8），困难题则直接失利（4.5）。若项目包含复杂算法，Grok并不适合。

② Grok在算法方面的亮点是"简洁"。 相较其他模型，它给出的代码往往更加简洁、更Pythonic，但这种简洁也使复杂场景覆盖不够充分。

③ GPT-5.6是算法场景中唯一可靠的选择。 五道题的综合成绩为8.5，各种难度下都很稳定，也是唯一没有明显短板的模型。

④ 模型之外，入口更重要。 不同模型在算法任务中的表现相差很大（4.5-8.5），选型阶段就应结合算法难度判断。借助按场景整理的AI工具发现平台，可以更快完成选型。

总结

Grok 4.3的算法代码能力存在清晰的难度上限：中等难度（LRU、拓扑排序）表现良好（7.5分）；到中等偏难（最长递增子序列O(nlogn)）时，优化能力不足开始显现；面对困难题（正则匹配）则直接失利（4.5分）。其优势是代码简洁且足以处理中等算法，弱点则是算法深度有限、边界处理不完整。项目仅涉及基础数据结构和中等算法时，Grok具有不错的性价比；若包含复杂算法，唯一可靠的选择是GPT-5.6（8.5分全难度稳定）。