Grok 4.5 браузерге арналған AI-көмекшілер рейтингін басқарады: автономдылықтың жаңа стандарты
Жасанды интеллекттің веб-парақшалармен өздігінен әрекеттесу қабілеті — билеттерді брондаудан бастап деректерді жинауға дейін — енді фантастика емес. Алайда, соңғы бенчмарктер көрсеткендей, барлық модельдер бұл тапсырманы бірдей орындай алмайды. Бұл бағытта күтпеген жерден xAI компаниясының Grok көшбасшы болып шықты, саланың танымал алыптарын артта қалдырып.
Browser Use қызметінің негізін қалаушы Грегор Зунич бес жетекші ИИ-көмекшілеріне салыстырмалы тест жүргізіп, олардың сайттарда қатесіз әрекеттерді орындау қабілетін бағалады. Негізгі критерий тапсырмалардың дәлдігі болды: түймелерді басу, формаларды толтыру және навигация. Міне, осы жерде Grok бүкіл сала үшін жаңа деңгей белгілейтін нәтиже көрсетті.
Кім ең жақсы нәтиже көрсетті
Талдау деректері бойынша, Grok 4.5 тапсырмалардың 76,42% сәтті орындады — бұл барлық тестіленген шешімдер арасындағы абсолютті максимум. Екінші орынды GPT 5.5 моделін қолданатын OpenAI негізіндегі көмекші 72,70% нәтижемен иеленді. Одан кейін Opus 4.8 моделіне негізделген Anthropic компаниясының екі шешімі сәйкесінше 70,75% және 67,92% көрсеткіштерімен келеді. Бесінші орынды OpenClaw плагині арқылы GPT 60,38% нәтижемен аяқтайды.
Айта кету керек, көмекшінің тиімділігі екі факторға тікелей байланысты: базалық тілдік модель және браузермен интеграциялау тәсілі. Бір провайдердің өзінде, Anthropic тесттері көрсеткендей, қосылу әдісіне байланысты дәлдіктегі айырмашылық үш пайыздық тармаққа жетуі мүмкін.
Нені ескеру қажет
Нәтижелер тең инфрақұрылым жағдайында дәл ИИ-моделін таңдау шешуші факторға айналатынын айқын көрсетеді. xAI әзірлеген Grok 4.5 бәсекелестерін қуып жетіп қана қоймай, сенімді түрде озып кетеді. Бұл автономды браузер агенттері сегментінде көшбасшылыққа байыпты үміткерлік — бұл технология алдағы жылдары пайдаланушының интернетпен өзара әрекеттесуін түбегейлі өзгертеді.
Аналитик ретінде, мен Browser Use тесттері абстрактілі бенчмарк емес, ИИ-дің практикалық пайдалылығын тікелей өлшеу екенін атап өтер едім. Егер Grok 4.5 осындай даму қарқынын сақтаса, біз xAI-дің веб-автоматтандыруға арналған корпоративтік шешімдер нарығының едәуір бөлігін өзіне тартатынын көре аламыз. OpenAI мен Anthropic өз позицияларын жоғалтпау үшін тәсілдерін елеулі түрде қайта қарауға мәжбүр болады.