马斯克宣称 Grok 4.5 是运行更快、成本更低的 Opus 级模型，如今一项独立智能体基准测试为这一说法提供了实际证据。
在 Artificial Analysis 的 AutomationBench-AA 上，Grok 4.5 以 51.4% 的得分排名第一，每任务成本仅 0.34 美元。它击败了 Claude Fable 5（48.6%）和 Claude Opus 4.8（48.5%）。
SpaceXAI 本周向公众发布了基于 1.5 万亿参数 V9 基础模型的 Grok 4.5。马斯克的说辞此前仅依赖内部早期评估。AutomationBench-AA 改变了这一点：Artificial Analysis 独立运行该基准测试，并对其任务集保密以防止数据污染。该测试涵盖 40 个模拟应用（包括 Gmail、Slack、Salesforce 和 HubSpot）中的 657 项任务，并根据智能体在不违反防护栏的情况下完成目标的比例进行评分。
Grok 4.5 每任务成本 0.34 美元，远低于 Fable 5 的 1.35 美元和 Opus 4.8 的 1.46 美元。Gemini 3.5 Flash 以 0.49 美元的成本最为接近。该模型每任务使用约 8000 个输出 token，约为 Opus 4.8 的四分之一，这种效率是成本差距的主要来源，也印证了马斯克在发布时的表述。Artificial Analysis 表示：“其每任务总 token 使用量 0.44M 在排行榜上属于最低之一，低成本源于这种效率以及低 token 定价。”
此外，Grok 4.5 完成了 79.9% 的任务目标，完全通过了 21.9% 的任务。在最困难的金融领域，它以 71% 的完成率领先，高于 Fable 5 的 64% 和 Opus 4.8 的 62%。然而，该模型比其最接近的竞争对手违反了更多规则：每任务记录了 0.63 次护栏违规，高于 Opus 4.8 的 0.55 次和 Gemini 3.5 Flash 的 0.46 次。对于将智能体部署到实时金融系统的公司来说，这一差距至关重要，因为一次违规就可能造成实际损失。
免责声明：本文提供的信息不是交易建议。BlockWeeks.com不对根据本文提供的信息所做的任何投资承担责任。我们强烈建议在做出任何投资决策之前进行独立研究或咨询合格的专业人士。
