广场
最新
热门
资讯
我的主页
发布
Grok 4.5登顶SaaS工作流评测，成本约为Claude四分之一
MarsBit News
2026-07-09 09:06:09
关注
摘要生成中
据动察 Beating 监测，独立评测机构 Artificial Analysis 更新 AutomationBench-AA 榜单。SpaceXAI 的 Grok 4.5 以 51.4% 得分登顶，超过 Claude Fable 5 的 48.6% 和 Claude Opus 4.8 的 48.5%。 AutomationBench-AA 基于 Zapier 的 AutomationBench，测试 AI agent 能否按企业规则完成真实 SaaS 工作流。测试集包含 657 个多步骤任务，覆盖 40 个模拟应用环境，包括 Gmail、Google Sheets、Slack、Salesforce 和 HubSpot。 评分规则很严。模型不只要把任务做完，还不能碰企业预设红线。只要某个任务触发违规，这个任务就按 0 分处理。 Grok 4.5 的原始目标完成率接近 80%，高于 Claude Fable 5 和 Claude Opus 4.8。即便被红线扣分后，它仍以 51.4% 排在第一，也是当前首个得分超过 50% 的模型。 它的成本优势更明显。Grok 4.5 每个任务成本为 0.34 美元，低于 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 不是最稳的模型。它平均每个任务触发 0.63 次违规，高于 Claude Opus 4.8 的 0.55 次和 Gemini 3.5 Flash 的 0.46 次。
此页面可能包含第三方内容，仅供参考（非陈述/保证），不应被视为 Gate 认可其观点表述，也不得被视为财务或专业建议。详见
声明
。
赞赏
点赞
评论
转发
分享
评论
请输入评论内容
请输入评论内容
评论
暂无评论
热门话题
查看更多
#
GUSD年化升至3.8%
83.82万 热度
#
预测世界杯法国VS摩洛哥
21.02万 热度
#
特朗普宣布美伊停火结束
139.58万 热度
#
蓝色起源启动百亿融资
94.58万 热度
#
世界杯冠军预测
11.67万 热度
置顶
网站地图
Grok 4.5登顶SaaS工作流评测，成本约为Claude四分之一