Grok 4.5 занял первое место над Tencent Hunyuan в бенчмарке ИИ-агентов LHTB AI Agent Benchmark, набрав средний балл 0,505; выполнено 13 задач

По последним результатам тестирования Tencent Hunyuan, Grok 4.5 занял первое место в LHTB (Long Horizon Task Benchmark) со средним баллом 0,505, выполнив 13 из 46 задач. Бенчмарк, разработанный совместно Tencent Hunyuan и несколькими университетами, оценивает, способны ли ИИ-агенты непрерывно выполнять сложные задачи на локальных устройствах.

LHTB включает 46 задач в сферах разработки программного обеспечения, воспроизведения экспериментов, научных вычислений и мультимодального анализа; каждая задача длится до 90 минут и обычно требует сотни последовательных шагов. Из 20 моделей, которые были публично протестированы, 29 задач остаются невыполненными ни одной моделью, что указывает на высокую сложность бенчмарка.