Grok 4.5 يتصدر معايير سير العمل في SaaS بنسبة 51.4%، ويكلف ربع تكلفة Claude

وفقًا للتحليل الاصطناعي، تصدرت Grok 4.5 من SpaceX AI مؤخرًا معيار AutomationBench-AA بنتيجة بلغت 51.4٪، متفوقة على Claude Fable 5 الذي حقق 48.6٪ وClaude Opus 4.8 الذي حقق 48.5٪. كما أن النموذج هو الأول الذي يتجاوز عتبة 50٪ على المعيار، الذي يقيس قدرة وكلاء الذكاء الاصطناعي على إكمال سير عمل SaaS في العالم الحقيقي مع 657 مهمة متعددة الخطوات عبر 40 تطبيقًا محاكًا، بما في ذلك Gmail وSlack وSalesforce.

الميزة التنافسية لتكلفة Grok 4.5 كبيرة: 0.34 دولار لكل مهمة، مقارنة بـ1.35 دولار لـClaude Fable 5، و1.46 دولار لـClaude Opus 4.8، و1.28 دولار لـGPT-5.5 xhigh. ومع ذلك، أدى النموذج إلى انتهاكات للامتثال بمعدل 0.63 مرة لكل مهمة، وهو أعلى من 0.55 لـClaude Opus 4.8 و0.46 لـGemini 3.5 Flash.