Grok 4,5 dépasse le benchmark SaaS de flux de travail avec un score de 51,4 %, coûtant un quart de celui de Claude

Selon Artificial Analysis, Grok 4.5 d'AI de SpaceX a récemment dominé le benchmark AutomationBench-AA avec un score de 51,4 %, dépassant Claude Fable 5 (48,6 %) et Claude Opus 4.8 (48,5 %). Le modèle est également le premier à dépasser le seuil de 50 % sur ce benchmark, qui évalue la capacité des agents IA à réaliser des flux de travail SaaS en situation réelle avec 657 tâches à plusieurs étapes réparties sur 40 applications simulées, dont Gmail, Slack et Salesforce.

L'avantage en coût de Grok 4.5 est significatif : 0,34 dollar par tâche, contre 1,35 dollar pour Claude Fable 5, 1,46 dollar pour Claude Opus 4.8 et 1,28 dollar pour GPT-5.5 xHigh. Cependant, le modèle a déclenché des violations de conformité en moyenne 0,63 fois par tâche, un chiffre supérieur à celui de Claude Opus 4.8 (0,55) et de Gemini 3.5 Flash (0,46).