Grok 4.5 превзошёл SaaS-метрику рабочего процесса с результатом 51,4%, затратив четверть стоимости Claude

2026-07-09 08:57:42

GROK-1,07%

Согласно Artificial Analysis, Grok 4.5 от SpaceX AI недавно превзошёл benchmark AutomationBench-AA с результатом 51,4 %, опередив Claude Fable 5 (48,6 %) и Claude Opus 4.8 (48,5 %). Модель также стала первой, превысившей порог в 50 % на этом тесте, который оценивает способность ИИ-агентов выполнять рабочие процессы SaaS в реальных условиях с 657 многошаговыми задачами в 40 симулированных приложениях, включая Gmail, Slack и Salesforce.

Стоимость Grok 4.5 значительно ниже: 0,34 доллара за задачу, по сравнению с 1,35 доллара для Claude Fable 5, 1,46 доллара для Claude Opus 4.8 и 1,28 доллара для GPT-5.5 xhigh. Однако модель вызвала нарушения требований соответствия в среднем 0,63 раза на задачу, что выше, чем у Claude Opus 4.8 (0,55) и Gemini 3.5 Flash (0,46).

Посмотреть источник

Дисклеймер: Информация на этой странице может быть получена из источников третьих сторон и предоставляется только для ознакомления. Она не отражает взгляды или мнения Gate и не является финансовой, инвестиционной или юридической рекомендацией. Торговля виртуальными активами связана с высоким риском. Пожалуйста, не основывайте свои решения исключительно на данных этой страницы. Подробнее смотрите в Дисклеймере.

Связанные новости

1ч назад

SpaceXAI запускает модель ИИ Grok 4.5 по цене 2 доллара за миллион входных токенов, ориентируясь на корпоративный рынок

7ч назад

SpaceXAI запускает Grok 4.5 по цене $2/$6 за миллион токенов; Маск признает превосходство Fable от Anthropic

8ч назад

xAI выпустит Grok 4.5 публично 9 июля после закрытой бета-версии

11ч назад

SpaceXAI выпустила Grok 4.5 по $2 за миллион входных токенов 8 июля

17ч назад

Google обновила Android Bench восемью новыми моделями; Claude Fable 5 возглавляет рейтинг с точностью 84.5%

Детальный анализ