根據騰訊 Hunyuan 最新測試結果，Grok 4.5 在 LHTB（Long Horizon Task Benchmark）中排名第一，平均分為 0.505，並完成 46 個任務中的 13 個。該基準由騰訊 Hunyuan 與多所大學共同開發，用於評估 AI 代理能否在本地端點上持續完成複雜任務。
LHTB 涵蓋 46 個任務，範圍包括軟體工程、實驗重現、科學計算與多模態分析；每個任務的運行時間最多 90 分鐘，且通常需要數百步的連續操作。在 20 個公開測試的模型中，仍有 29 個任務未被任何模型完成，顯示該基準難度極高。
