Grok 4,5 supera a Tencent Hunyuan en el benchmark de agentes de IA LHTB con una puntuación media de 0,505 y 13 tareas completadas

Según los últimos resultados de las pruebas de Tencent Hunyuan, Grok 4.5 ocupa el primer lugar en el LHTB (Long Horizon Task Benchmark) con una puntuación media de 0,505, completando 13 de 46 tareas. El benchmark, desarrollado conjuntamente por Tencent Hunyuan y varias universidades, evalúa si los agentes de IA pueden completar tareas complejas de forma continua en endpoints locales.

El LHTB abarca 46 tareas que incluyen ingeniería de software, reproducción de experimentos, computación científica y análisis multimodal, con cada tarea que dura hasta 90 minutos y normalmente requiere cientos de pasos consecutivos. De los 20 modelos probados públicamente, 29 tareas siguen sin ser completadas por ningún modelo, lo que indica la alta dificultad del benchmark.