根据腾讯混元的最新测试结果，Grok 4.5 在 LHTB（Long Horizon Task Benchmark，长程任务基准）中排名第一，平均得分为 0.505，完成了 46 个任务中的 13 个。该基准由腾讯混元与多所大学联合开发，旨在评估 AI 智能体在本地端点上持续完成复杂任务的能力。
LHTB 包含 46 项任务，涵盖软件工程、实验复现、科学计算和多模态分析；每项任务最长运行 90 分钟，通常需要数百个连续步骤。在已公开测试的 20 个模型中，仍有 29 项任务尚未被任何模型完成，显示该基准难度很高。
