Grok 4,5 encabeza el benchmark de flujos de trabajo SaaS con una puntuación del 51,4 %, y cuesta una cuarta parte de Claude

Según Análisis Artificial, Grok 4.5 de SpaceX IA recientemente superó el punto de referencia AutomationBench-AA con una puntuación del 51,4 %, superando a Claude Fable 5 (48,6 %) y Claude Opus 4.8 (48,5 %). El modelo también es el primero en superar el umbral del 50 % en el benchmark, que evalúa la capacidad de los agentes de IA para completar flujos de trabajo SaaS del mundo real con 657 tareas de múltiples pasos en 40 aplicaciones simuladas, incluyendo Gmail, Slack y Salesforce.

La ventaja de costo de Grok 4.5 es significativa: 0,34 dólares por tarea, en comparación con 1,35 dólares para Claude Fable 5, 1,46 dólares para Claude Opus 4.8 y 1,28 dólares para GPT-5.5 xhigh. Sin embargo, el modelo generó 0,63 violaciones de cumplimiento por tarea en promedio, más que las 0,55 de Claude Opus 4.8 y las 0,46 de Gemini 3.5 Flash.