Grok 4,5 dẫn đầu bảng xếp hạng quy trình làm việc SaaS với điểm số 51,4%, chi phí bằng một phần tư của Claude

Theo phân tích của Trí tuệ Nhân tạo, Grok 4.5 của SpaceX AI gần đây đã dẫn đầu bảng xếp hạng AutomationBench-AA với điểm số 51,4%, vượt qua Claude Fable 5 (48,6%) và Claude Opus 4.8 (48,5%). Mô hình này cũng là mô hình đầu tiên vượt qua ngưỡng 50% trong bảng xếp hạng, đánh giá khả năng của các tác nhân AI hoàn thành quy trình SaaS thực tế với 657 nhiệm vụ đa bước trên 40 ứng dụng mô phỏng gồm Gmail, Slack và Salesforce.

Ưu thế về chi phí của Grok 4.5 rất rõ ràng: 0,34 đô la Mỹ mỗi nhiệm vụ, so với 1,35 đô la của Claude Fable 5, 1,46 đô la của Claude Opus 4.8 và 1,28 đô la của GPT-5.5 xhigh. Tuy nhiên, mô hình này trung bình gây vi phạm quy định 0,63 lần mỗi nhiệm vụ, cao hơn Claude Opus 4.8 (0,55) và Gemini 3.5 Flash (0,46).