资金费率
资金费率热力图
多空比
大户多空比
币安/欧易/火币大户多空比
Bitfinex杠杆多空比
账号安全
资讯收藏
自选币种
Grok 4.5 为埃隆·马斯克有关成本与性能的说法提供了新的支持，此前一家独立评测机构在基准测试中将其模型评为第一。
关键要点：
Grok 4.5 在 AutomationBench-AA 上得分为 51.4%，领先于两款 Claude 模型。该模型每项任务成本为 0.34 美元，远低于其最接近的 Anthropic 竞争对手。但其较高的规则违反率仍是企业部署代理时面临的风险。
Grok 基准测试
Artificial Analysis 表示，Grok 4.5 在 AutomationBench-AA 上得分为 51.4%，领先于 Claude Fable 5（48.6%）和 Claude Opus 4.8（48.5%）。该模型每项任务成本为 0.34 美元，远低于 Fable 5 的 1.35 美元和 Opus 4.8 的 1.46 美元。这项基准测试为马斯克声称“Grok 4.5 是一款运行更快、成本更低的 Opus 级模型”的说法提供了外部验证。
SpaceXAI 本周将该模型公开，采用 1.5 万亿参数的 V9 基础架构，并辅以早期内部评估来为发布造势。AutomationBench-AA 在 40 个模拟应用中包含 657 项任务，涵盖 Gmail、Slack、Salesforce 和 HubSpot。该测试跟踪 AI 代理是否能在不突破护栏的前提下完成目标，而 Artificial Analysis 对任务集保密，以减少基准污染。
马斯克的大胆声明
Artificial Analysis 表示，Grok 4.5 每项任务大约使用 8000 个输出 token，约为 Opus 4.8 的四分之一。“其在每项任务中的总 token 使用量为 0.44M，在排行榜中属于最低水平，”该公司称，并补充说低成本源于效率和 token 定价。该模型完成了 79.9% 的任务目标，并完全通过了 21.9% 的任务。在基准测试中最难的金融领域，Grok 4.5 以 71% 的完成率领先，而 Fable 5 为 64%，Opus 4.8 为 62%。
弱点在于合规性。Grok 4.5 每项任务出现 0.63 次护栏违反，高于 Opus 4.8 的 0.55 次和 Google Gemini 3.5 Flash 的 0.46 次。这一差距对于在实时金融系统附近使用代理的公司至关重要。马斯克的发布宣传侧重于一种实际的权衡，而非纯粹的基准测试横扫。Grok 4.5 如今有了成本与速度的外部证据，但较高的规则违反率也表明，企业级采纳仍取决于可靠性。
