Grok 4,5 lidera o benchmark de fluxo de trabalho SaaS com 51,4% de pontuação, custando um quarto do valor do Claude

De acordo com a Análise Artificial, o Grok 4.5 da SpaceX IA recentemente liderou o benchmark AutomationBench-AA com uma pontuação de 51,4%, superando Claude Fable 5 (48,6%) e Claude Opus 4.8 (48,5%). O modelo também foi o primeiro a ultrapassar o limite de 50% no benchmark, que avalia a capacidade de agentes de IA de completar fluxos de trabalho SaaS do mundo real com 657 tarefas de múltiplos passos em 40 aplicações simuladas, incluindo Gmail, Slack e Salesforce.

A vantagem de custo do Grok 4.5 é significativa: US$ 0,34 por tarefa, contra US$ 1,35 para Claude Fable 5, US$ 1,46 para Claude Opus 4.8 e US$ 1,28 para GPT-5.5 xhigh. No entanto, o modelo apresentou violações de conformidade em média 0,63 vezes por tarefa, superior às 0,55 de Claude Opus 4.8 e às 0,46 do Gemini 3.5 Flash.