廣場
最新
熱門
新聞
我的主頁
發布
Grok 4.5登頂SaaS工作流評測，成本約為Claude四分之一
MarsBit News
2026-07-09 09:06:09
關注
摘要生成中
據動察 Beating 監測，獨立評測機構 Artificial Analysis 更新 AutomationBench-AA 榜單。SpaceXAI 的 Grok 4.5 以 51.4% 得分登頂，超過 Claude Fable 5 的 48.6% 和 Claude Opus 4.8 的 48.5%。 AutomationBench-AA 基於 Zapier 的 AutomationBench，測試 AI agent 能否按企業規則完成真實 SaaS 工作流。測試集包含 657 個多步驟任務，覆蓋 40 個模擬應用環境，包括 Gmail、Google Sheets、Slack、Salesforce 和 HubSpot。 評分規則很嚴。模型不只要把任務做完，還不能碰企業預設紅線。只要某個任務觸發違規，這個任務就按 0 分處理。 Grok 4.5 的原始目標完成率接近 80%，高於 Claude Fable 5 和 Claude Opus 4.8。即便被紅線扣分後，它仍以 51.4% 排在第一，也是當前首個得分超過 50% 的模型。 它的成本優勢更明顯。Grok 4.5 每個任務成本為 0.34 美元，低於 Claude Fable 5 的 1.35 美元、Claude Opus 4.8 的 1.46 美元，以及 GPT-5.5 xhigh 的 1.28 美元。 但 Grok 4.5 不是最穩的模型。它平均每個任務觸發 0.63 次違規，高於 Claude Opus 4.8 的 0.55 次和 Gemini 3.5 Flash 的 0.46 次。
查看原文
此頁面可能包含第三方內容，僅供參考（非陳述或保證），不應被視為 Gate 認可其觀點表述，也不得被視為財務或專業建議。詳見
聲明
。
打賞
按讚
回覆
轉發
分享
回覆
請輸入回覆內容
請輸入回覆內容
回覆
暫無回覆
熱門話題
查看更多
#
GUSD年化升至3.8%
83.82萬 熱度
#
預測世界盃法國VS摩洛哥
21.02萬 熱度
#
特朗普宣布美伊停火結束
139.58萬 熱度
#
藍色起源啟動百億融資
94.58萬 熱度
#
世界盃冠軍預測
11.67萬 熱度
已置頂
網站地圖
Grok 4.5登頂SaaS工作流評測，成本約為Claude四分之一