وفقاً لرصد "Dongcha Beating"، قامت جهة التقييم المستقلة Artificial Analysis بتحديث قائمة AutomationBench-AA. تصدر نموذج Grok 4.5 من SpaceXAI القائمة بنسبة 51.4%، متجاوزاً Claude Fable 5 بنسبة 48.6% وClaude Opus 4.8 بنسبة 48.5%. يعتمد AutomationBench-AA على AutomationBench من Zapier، ويختبر قدرة وكلاء AI على إكمال مهام سير العمل SaaS الحقيقية وفقاً لقواعد المؤسسات. تحتوي مجموعة الاختبار على 657 مهمة متعددة الخطوات، تغطي 40 بيئة تطبيقية محاكاة، بما في ذلك Gmail وGoogle Sheets وSlack وSalesforce وHubSpot. قواعد التسجيل صارمة للغاية. لا يجب على النموذج إكمال المهمة فحسب، بل لا يمكنه أيضاً تجاوز الخطوط الحمراء المحددة مسبقاً من قبل المؤسسة. إذا تسببت مهمة ما في انتهاك، تُحتسب المهمة بـ 0 نقطة. معدل إنجاز الهدف الأصلي لـ Grok 4.5 يقترب من 80%، وهو أعلى من Claude Fable 5 وClaude Opus 4.8. حتى بعد خصم النقاط بسبب الخطوط الحمراء، لا يزال يحتل المركز الأول بنسبة 51.4%، وهو أول نموذج حالياً تتجاوز درجته 50%. ميزة التكلفة أكثر وضوحاً. تكلفة كل مهمة لـ Grok 4.5 تبلغ 0.34 دولار، وهو أقل من Claude Fable 5 بـ 1.35 دولار، وClaude Opus 4.8 بـ 1.46 دولار، وGPT-5.5 xhigh بـ 1.28 دولار. لكن Grok 4.5 ليس النموذج الأكثر استقراراً. فهو يسبب 0.63 انتهاكاً في المتوسط لكل مهمة، وهو أعلى من Claude Opus 4.8 بـ 0.55 وGemini 3.5 Flash بـ 0.46.

شاهد النسخة الأصلية

قد تحتوي هذه الصفحة على محتوى من جهات خارجية، يتم تقديمه لأغراض إعلامية فقط (وليس كإقرارات/ضمانات)، ولا ينبغي اعتباره موافقة على آرائه من قبل Gate، ولا بمثابة نصيحة مالية أو مهنية. انظر إلى إخلاء المسؤولية للحصول على التفاصيل.

أعجبني
إعجاب
تعليق
إعادة النشر
مشاركة

تعليق

إضافة تعليق

لا توجد تعليقات

المواضيع الرائجة
عرض المزيد
#
GUSDYieldRisesto3.8%
838.22K درجة الشعبية
#
PredictWorldCupShare20000U
210.27K درجة الشعبية
#
IsraelStrikesIranBTCPlunges
70.43K درجة الشعبية
#
USRevokesIranOilWaiver
1.39M درجة الشعبية
#
BlueOriginLaunches10BillionFundingRound
945.83K درجة الشعبية

مُثبت

خريطة الموقع

Grok 4.5 يتصدر تقييم سير عمل SaaS، بتكلفة تعادل ربع تكلفة Claude.

المواضيع الرائجة

GUSDYieldRisesto3.8%

PredictWorldCupShare20000U

IsraelStrikesIranBTCPlunges

USRevokesIranOilWaiver

BlueOriginLaunches10BillionFundingRound

مُثبت