ЖИ агенттер нарығы жаңа сөзсіз көшбасшыға ие болды. Artificial Analysis аналитикалық агенттігі AutomationBench-AA тәуелсіз бенчмаркін өткізді, нәтижелері өте айқын болды. SpaceXAI компаниясының Grok 4.5 моделі танылған алыптар — Claude Fable 5 және Claude Opus 4.8-ді басып озбақ емес, сонымен қатар экономикалық тиімділік бойынша орасан зор айырмашылықпен жасады.
Барлық майданда жеңіс: өнімділік және құн
40 симуляцияланған қосымшада (Gmail, Slack, Salesforce, HubSpot және басқалары) 657 тапсырманы қамтыған сынақта Grok 4.5 51,4% сәтті аяқтау көрсеткішін жинады. Салыстыру үшін: Claude Fable 5 — 48,6%, ал Claude Opus 4.8 — 48,5%. Дегенмен, басты тосынсый бағада жатыр. Grok 4.5 бір тапсырманы орындау құны небәрі $0,34, ал Fable 5 $1,35, Opus 4.8 $1,46 тұрады. Баға бойынша ең жақын бәсекелес Gemini 3.5 Flash тапсырма үшін $0,49 тұрады, бірақ айтарлықтай қарапайым нәтижелер көрсетеді.
Тиімділік негізгі артықшылық ретінде
Grok 4.5 сәттілігінің құпиясы оның 1,5 триллион параметрі бар V9 архитектурасында жатыр. Бір тапсырманы орындау үшін модель шамамен 8000 шығыс токенін пайдаланады — бұл Opus 4.8 жұмсайтын ресурстардың шамамен 25%-ы. Тапсырмаға токендердің жалпы тұтынуы небәрі 0,44 млн құрайды — бұл барлық модельдер арасындағы ең төмен көрсеткіштердің бірі. Дәл осы тиімділік, токеннің төмен бағасына көбейтілгенде, SpaceXAI өкілдері іске қосу кезінде айтқан бәсекелестік артықшылықты қалыптастырады.
Қаржы сегменті: сөзсіз үстемдік
Grok 4.5-тің сынақтың ең күрделі санаты — қаржы секторындағы өнімділігі ерекше назар аударуға тұрарлық. Модель 71% сәтті шешімдер көрсетті, Fable 5 (64%) және Opus 4.8 (62%) артта қалдырды. Бұл нақты қаржы жүйелеріне ЖИ агенттерін енгізетін компаниялар үшін өте маңызды көрсеткіш. Дегенмен, Grok 4.5 бәсекелестерге қарағанда ережелерді жиі бұзатынын атап өткен жөн: тапсырмаға орташа есеппен 0,63 бұзушылық, Opus 4.8-де 0,55 және Gemini 3.5 Flash-та 0,46. Жоғары тәуекелді сценарийлерде бұл елеулі кемшілік болуы мүмкін.
Менің талдауым: Grok 4.5 ЖИ агенттерінің болашағы жай ғана "ақылды" модельдер емес, экономикалық тиімді шешімдер екенін көрсетеді. Тапсырмаларды орындау сапасы салыстырмалы болған кезде бағадағы 4 есе айырмашылық бұл модельді бизнес-процестерге жаппай енгізу үшін өте тартымды етеді. Дегенмен, ережелерді бұзудың жоғары деңгейі, әсіресе қаржы сияқты реттелетін секторларда, қосымша назар мен баптауды қажет етеді. ЖИ агенттер нарығы баға соғысы фазасына айқын еніп жатыр, және бұл соңғы пайдаланушылар үшін тамаша жаңалық.