Grok 4,5 Menduduki Peringkat Teratas Benchmark Alur Kerja SaaS dengan Skor 51,4%, Biayanya Seperempat dari Claude

Menurut Analisis Buatan, Grok 4.5 dari SpaceX AI baru-baru ini menduduki peringkat tertinggi pada benchmark AutomationBench-AA dengan skor 51,4%, mengalahkan Claude Fable 5 (48,6%) dan Claude Opus 4.8 (48,5%). Model ini juga menjadi yang pertama melampaui ambang 50% pada benchmark tersebut, yang menguji kemampuan agen AI menyelesaikan alur kerja SaaS dunia nyata dengan 657 tugas berlangkah ganda di 40 aplikasi simulasi termasuk Gmail, Slack, dan Salesforce.

Keunggulan biaya Grok 4.5 cukup signifikan: 0,34 dolar AS per tugas, dibandingkan 1,35 dolar AS untuk Claude Fable 5, 1,46 dolar AS untuk Claude Opus 4.8, dan 1,28 dolar AS untuk GPT-5.5 xHigh. Namun, model ini memicu pelanggaran kepatuhan rata-rata 0,63 kali per tugas, lebih tinggi dari Claude Opus 4.8 yang 0,55 dan Gemini 3.5 Flash yang 0,46.