Grok 4.5 розгромив Claude в автоматизації: чому дешево тепер означає краще?
Забудьте про дорогі та переоцінені нейронки. SpaceXAI нарешті довели, що їхній Grok 4.5 — новий лідер, який не лише автоматизує нудну офісну роботу краще за Claude Fable 5 від Anthropic, а й робить це за копійки.
Незалежне тестування від Artificial Analysis підтвердило: Grok 4.5 очолив лідерборд AutomationBench-AA. Під час виконання 657 завдань у таких сервісах, як Gmail, Slack та HubSpot, модель вперше в історії подолала поріг у 50% успішно виконаних цілей, обійшовши флагмани Claude Fable 5 та Claude Opus 4.8.
Перемога базується не на потужності, а на банальній економії. Grok 4.5 виконує завдання вчетверо дешевше за конкурентів, витрачаючи лише $0.34 на одну ітерацію проти $1.30+ у опонентів. Модель вміло орієнтується в REST API і виконує більше паралельних викликів інструментів, ніж будь-яка інша система на ринку.
Проте є і зворотний бік медалі. Хоча ціна вражає, Grok 4.5 частіше за інших порушує правила безпеки, що робить його впровадження у критичні фінансові системи доволі ризикованим експериментом. Крім того, незважаючи на успіхи в кодингу на рівні з GPT-5.5, загальний рівень галюцинацій зріс — модель тепер знає більше, але й набагато впевненіше несе повну нісенітницю.
Це ідеальна ілюстрація сучасного IT: бізнес отримав інструмент, який готовий працювати цілодобово за безцінь, але з абсолютно непередбачуваним рівнем довіри. Ілон Маск нарешті отримав свою «модель рівня Opus», яка виявилася настільки ж ефективною, наскільки й небезпечно самовпевненою в своїх помилках.
Джерело: Artificial Analysis
Коментарі
Допоможи покращити наступну версію: Додавай контекст або пропонуй виправлення. Після AI-перевірки коментарі можуть отримати бали для переписування. Перевірка й оновлення потребують часу; повна шкала не гарантує нової версії.