Elon Musk 称 Grok 4.5 为“Opus 级”AI模型，具备更快运行速度和更低使用成本。如今，第三方独立评估为这一说法提供了有力佐证。
在 Artificial Analysis 团队推出的 AutomationBench-AA 测评中，Grok 4.5 以 51.4% 的得分位居榜首，每项任务仅需 0.34 美元，超越 Claude Fable 5（48.6%）和 Claude Opus 4.8（48.5%）。
独立第三方权威验证 Elon Musk 的说法
本周，SpaceXAI 正式向公众发布了 Grok 4.5，其底层架构基于 1.5 万亿参数的 V9 模型。Musk 的推介主要依赖于团队内部的初步评测结果。
AutomationBench-AA 的引入改变了这一局面。Artificial Analysis 独立运行此项基准测试，并对测试任务集进行严格保密，避免模型因外泄“投机取巧”。
本次评测涵盖 Gmail、Slack、Salesforce、HubSpot 等 40 款模拟应用中的 657 项任务，统计每个智能体在未突破安全防护前提下完成目标的比例。
Grok 4.5：更省钱、更高效、合规表现优异
Grok 4.5 每项任务的成本仅为 0.34 美元，显著低于 Fable 5 的 1.35 美元和 Opus 4.8 的 1.46 美元。Gemini 3.5 Flash 则以 0.49 美元位列次席。
该模型平均每个任务消耗约 8,000 个输出 token，仅为 Opus 4.8 四分之一，这一高效表现是 Grok 4.5 成本优势的核心动力，与 Musk 所强调的首发定位相一致。
“该模型每项任务总 token 消耗仅 44 万，在排行榜上属于最低行列。低成本主要得益于出色的 token 利用效率和更优的 token 定价。”Artificial Analysis 如此评价。
此外，Grok 4.5 完成了 79.9% 的任务目标，并全面通过了 21.9% 的任务。在金融这一最具挑战性的领域，Grok 4.5 以 71% 的完成率领先，优于 Fable 5 的 64% 和 Opus 4.8 的 62%。
不过，该模型违反规则的次数高于其主要竞品。平均每个任务发生 0.63 次合规规则违规，高于 Opus 4.8 的 0.55 次以及 Gemini 3.5 Flash 的 0.46 次。
对于将智能代理部署在实际金融系统的企业而言，这一差距尤为关键，因为一次违规就可能带来真实的经济损失。
订阅我们的 YouTube 频道，观看行业领袖与资深记者带来的专业解读
