Grok 4.5 розгромив Claude Fable 5 та Opus 4.8: Ілон Маск довів перевагу на незалежному тесті ІІ-агентів
Ринок ІІ-агентів переживає тектонічний зсув. Модель Grok 4.5 від SpaceXAI не просто підтвердила заяви Ілона Маска — вона знищила конкурентів у бенчмарку AutomationBench-AA, який проводить незалежна аналітична платформа Artificial Analysis.
Що показав тест AutomationBench-AA?
Grok 4.5 посіла перше місце з результатом 51,4% успішного виконання завдань. Для порівняння: Claude Fable 5 показав 48,6%, а Claude Opus 4.8 — 48,5%. Розрив майже в 3 відсоткові пункти — це не просто цифри, це якісний стрибок у продуктивності агентів.
Тест включав 657 завдань у 40 змодельованих додатках, зокрема Gmail, Slack, Salesforce та HubSpot. Підсумковий бал відображає частку завдань, виконаних без порушень закладених правил — жорсткий критерій, що виключає "брудні" перемоги.
Ціна та ефективність: головний козир Grok 4.5
Мабуть, найвражаючіший аспект — вартість. Grok 4.5 виконує завдання за $0,34, що в 4 рази дешевше за Fable 5 ($1,35) та Opus 4.8 ($1,46). Найближчий конкурент за ціною — Gemini 3.5 Flash за $0,49 — все одно програє за продуктивністю.
Секрет криється в архітектурі V9 з 1,5 трильйона параметрів. Grok 4.5 використовує лише близько 8000 вихідних токенів на завдання — це лише 25% ресурсів Opus 4.8. Така ефективність формує колосальну цінову перевагу, на яку Маск робив ставку при запуску.
Фінансовий сектор: де Grok 4.5 справді засяяла
У найскладнішій категорії тесту — фінансах — Grok 4.5 показала 71% успішних виконань. Fable 5 набрав 64%, Opus 4.8 — 62%. Для компаній, які запускають агентів у реальних фінансових системах, це критичний розрив.
Однак є нюанс: модель 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. У фінансах одне порушення може обернутися помітними збитками, тож це слабке місце, яке SpaceXAI необхідно опрацювати.
Моя експертна думка: Grok 4.5 — беззаперечний лідер за співвідношенням ціна/якість для масового впровадження ІІ-агентів. Але для високоризикованих фінансових операцій поки краще придивитися до більш дисциплінованих моделей на кшталт Opus 4.8. Ринок агентів вступає у фазу зрілості, і гонка лише починається.