Grok 4.5 自动化基准登顶
ArtificialAnlys · x · 2026-07-09
AutomationBench-AA 基准显示，Grok 4.5 在自动化工作流任务上拿到第一，得分 51%，略高于 Claude Fable 5 的 49% 和 Claude Opus 4.8 的 48%。帖子还称它的单任务成本约为对手的四分之一，并且是首个在不违反业务规则的情况下完成超过一半工作流目标的模型。 该基准由 AutomationBench-AA 独立维护，用来测试 AI 代理能否在 Gmail、Google Sheets 等 40 个模拟 SaaS 环境中自动化完成 657 个任务。