Elon Musk ने Grok 4.5 को Opus-क्लास मॉडल बताया, जो तेज चलता है और कम खर्च में आता है। अब एक स्वतंत्र, agentic बेंचमार्क ने उनके इस दावे को सच्चा साबित किया है।
Artificial Analysis के AutomationBench-AA पर, Grok 4.5 ने 51.4% स्कोर के साथ पहला स्थान पाया और हर टास्क के लिए $0.34 की लागत आई। इसने Claude Fable 5 (48.6%) और Claude Opus 4.8 (48.5%) दोनों को पछाड़ दिया।
Elon Musk के दावे पर एक स्वतंत्र जांच
SpaceXAI ने इस हफ्ते Grok 4.5 को पब्लिक लॉन्च किया, जो 1.5 ट्रिलियन-पैरामीटर V9 फाउंडेशन पर आधारित है। Musk का दावा शुरुआती इंटरनल इवेल्युएशन्स पर टिका था।
AutomationBench-AA ने इस स्थिति को बदला है। Artificial Analysis खुद से यह बेंचमार्क चलाता है और अपने टास्क सेट को गुप्त रखता है ताकि डेटा पॉल्यूशन न हो।
यह टेस्ट 40 सिम्युलेटेड ऐप्स (जैसे Gmail, Slack, Salesforce और HubSpot) में 657 टास्क कवर करता है। इसमें देखा जाता है कि कोई एजेंट बिना गार्डरेल्स तोड़े कितने ऑब्जेक्टिव्स पूरा करता है।
लेटेस्ट क्रिप्टो न्यूज़ के लिए हमें X पर फॉलो करें
Grok 4.5: सस्ता, तेज और ज्यादातर नियमों के अनुसार
Grok 4.5 की $0.34 प्रति टास्क लागत Fable 5 के $1.35 और Opus 4.8 के $1.46 से काफी कम है। Gemini 3.5 Flash ही $0.49 के साथ सबसे करीब रहा।
इस मॉडल ने हर टास्क के लिए करीब 8,000 आउटपुट टोकन इस्तेमाल किए, जो Opus 4.8 की तुलना में एक चौथाई है। यही एफिशिएंसी अधिकांश लागत अंतर का कारण है, जैसा कि Musk ने लॉन्च के समय बताया था।
“इसका कुल टोकन उपयोग 0.44M प्रति टास्क लीडरबोर्ड में सबसे कम में से एक है। कम लागत इसी एफिशिएंसी और कम टोकन प्राइसिंग के चलते आती है,” Artificial Analysis ने बताया।
इसके अलावा, Grok 4.5 ने 79.9% टास्क उद्देश्यों को पूरा किया और 21.9% टास्क को पूरी तरह पार कर लिया। फाइनेंस, जो सबसे मुश्किल डोमेन है, उसमें इसने 71% के साथ सबसे अच्छा प्रदर्शन किया, Fable 5 के 64% और Opus 4.8 के 62% से आगे।
हालांकि, इस मॉडल ने अपने नजदीकी प्रतिस्पर्धियों की तुलना में ज्यादा नियम तोड़े। हर टास्क पर इसने 0.63 गार्डरेल उल्लंघन दर्ज किए, जो Opus 4.8 के 0.55 और Gemini 3.5 Flash के 0.46 से अधिक है।
यह फर्क उन कंपनियों के लिए मायने रखता है जो एजेंट्स को लाइव फाइनेंशियल सिस्टम्स में डिप्लॉय करती हैं, क्योंकि एक भी उल्लंघन असली नुकसान दे सकता है।
हमारे YouTube चैनल को सब्सक्राइब करें और लीडर्स तथा पत्रकारों से एक्सपर्ट इनसाइट्स पाएं
