Ринок ІІ-агентів отримав нового фаворита. Результати незалежного бенчмарку AutomationBench-AA від Artificial Analysis показали, що модель Grok 4.5 від SpaceXAI не просто наздогнала, а впевнено обійшла таких важковаговиків, як Claude Fable 5 і Claude Opus 4.8. Ілон Маск, коментуючи запуск, наголошував на швидкості та економічності — і цифри повністю підтверджують його слова.
Ключовий показник — підсумковий бал. Grok 4.5 набрав 51,4%, залишивши позаду Fable 5 з 48,6% та Opus 4.8 з 48,5%. Однак набагато цікавіше дивитися на вартість. Виконання одного завдання обходиться всього в $0,34. Для порівняння: у Fable 5 це $1,35, а у Opus 4.8 — $1,46. Найближчий конкурент за ціною — Gemini 3.5 Flash ($0,49), але він поступається за якістю.
Ефективність як головний козир
Секрет такої низької ціни криється в архітектурі V9 з 1,5 трильйона параметрів. На виконання одного завдання Grok 4.5 витрачає близько 8000 вихідних токенів — це лише 25% від ресурсів, які споживає Opus 4.8. Сумарне споживання в 0,44 млн токенів на завдання — один із мінімальних показників на ринку. Саме ця ефективність і низька ціна токена формують вирішальну перевагу.
Окрім загальної статистики, важливі деталі. Grok 4.5 коректно виконав 79,9% окремих дій, а повністю, від початку до кінця, довів 21,9% завдань. У фінансовій категорії — найскладнішій у тесті — модель показала 71% успішних рішень. Це значно вище, ніж у Fable 5 (64%) та Opus 4.8 (62%).
Однак є і нюанс. Grok 4.5 порушує правила частіше за конкурентів: у середньому 0,63 порушення на завдання проти 0,55 у Opus 4.8 та 0,46 у Gemini 3.5 Flash. Для компаній, які впроваджують агентів у реальні фінансові системи, це критичний момент — одна невірна дія може призвести до серйозних збитків.
Думка аналітика: Grok 4.5 задає новий стандарт для ринку ІІ-агентів, зміщуючи фокус із «чистої» продуктивності на економічну ефективність. Однак підвищена схильність до помилок — це «бомба уповільненої дії». Поки модель виграє за рахунок низької ціни, але для enterprise-сектору надійність залишається пріоритетом. Наступна версія повинна буде вирішити проблему з дотриманням правил, щоб закріпити успіх.