Grok 4.5 көшбасшылыққа шықты: браузерді кім жақсы басқарады?
ЖИ көмекшілер нарығы қарқынды дамып келеді. Бүгін біз сұрақтарға жауап беріп қана қоймай, веб-сайттарда өз бетінше шарлай алатын агенттердің пайда болуын байқап отырмыз: беттерді ашу, түймелерді басу, пішіндерді толтыру және деректерді жинау. Бұл енді жай чат-боттар емес — бұл сіздің сұрауыңыз бойынша билет брондай алатын немесе бәсекелестерді талдай алатын толыққанды виртуалды көмекшілер.
Browser Use әзірлеушілер тобы жүргізген тәуелсіз талдау аясында әртүрлі ЖИ модельдеріне негізделген бес жетекші құрал сыналды. Негізгі көрсеткіш ретінде веб-сайттардағы тапсырмаларды орындау дәлдігі — қатесіз сәтті әрекеттердің пайызы алынды.
Сынақ нәтижелері: Grok алда
Сөзсіз көшбасшы xAI компаниясының Grok 4.5 моделіне негізделген көмекші болды. Оның дәлдік көрсеткіші 76,42% құрады. Бұл барлық қатысушылар арасындағы ең үздік нәтиже. Екінші орында 72,70% нәтижемен GPT 5.5 базасындағы OpenAI агенті орналасты. Үшінші және төртінші орындарды 70,75% және 67,92% көрсеткіштерімен Anthropic компаниясының екі көмекшісі (Opus 4.8 моделі) иеленді. Бесінші орында OpenClaw плагині арқылы GPT тұр, ол тапсырмалардың тек 60,38% -ын орындады.
Барлық агенттер бірдей жағдайда жұмыс істегенін атап өту маңызды, бұл нәтижелерді барынша объективті етеді. Өнімділіктегі айырмашылық тікелей базалық модельдің сапасына және оның браузермен интеграциялану тәсіліне байланысты. Тіпті бір әзірлеушіде — Anthropic — қосылу әдісіне байланысты нәтижелердегі айырмашылық үш пайыздық тармаққа жуық болды.
Бұл нарық үшін нені білдіреді?
Нәтижелер ЖИ модельдерінің жарысы жаңа кезеңге — практикалық қолдану кезеңіне өтіп жатқанын айқын көрсетеді. Веб-интерфейстермен тиімді әрекеттесе алатын модель орасан зор бәсекелестік артықшылыққа ие болады. Grok 4.5 танымал алыптарды қуып жетіп қана қоймай, олардан сенімді түрде озып келеді, бұл xAI-дің маңызды технологиялық әлеуетін растайды.
Менің талдауым: Браузерлік тапсырмаларда Grok-тың басымдығы — бүкіл нарық үшін сигнал. Біз болашақ «сөйлейтін бастарда» емес, әрекет ете алатын агенттерде екенін көріп отырмыз. Инвесторлар мен әзірлеушілер бұл технологияның қалай ақшаландырылатынын мұқият бақылауы керек, өйткені автономды веб-агенттер электронды коммерцияны, логистиканы және деректерді жинауды түбегейлі өзгерте алады.