Elon Musk เรียก Grok 4.5 ว่าเป็นโมเดลระดับ Opus-class ที่ทำงานได้เร็วกว่าและมีต้นทุนต่ำกว่า ขณะนี้มีการทดสอบอิสระที่สนับสนุนข้อกล่าวอ้างนี้อย่างแท้จริง
บน AutomationBench-AA ของ Artificial Analysis, Grok 4.5 ได้อันดับหนึ่งด้วยคะแนน 51.4% โดยมีค่าใช้จ่ายเพียง USD 0.34 ต่อหนึ่งงาน ซึ่งเอาชนะทั้ง Claude Fable 5 (48.6%) และ Claude Opus 4.8 (48.5%) ได้สำเร็จ
การตรวจสอบอิสระเกี่ยวกับข้ออ้างของ Elon Musk
สัปดาห์นี้ SpaceXAI ได้นำ Grok 4.5 ออกสู่สาธารณะ โดยพัฒนาบนพื้นฐาน V9 ที่มีพารามิเตอร์ 1.5 ล้านล้านตัว คำกล่าวอ้างของ Musk นั้นอ้างอิงจากการทดสอบภายในเบื้องต้นเป็นหลัก
AutomationBench-AA ได้เปลี่ยนแปลงสิ่งนี้ เนื่องจาก Artificial Analysis ดำเนินการวัดผลโดยอิสระและเก็บชุดภารกิจไว้เป็นส่วนตัวเพื่อป้องกันการปนเปื้อน
การทดสอบครอบคลุม 657 งานใน 40 แอปพลิเคชันจำลอง เช่น Gmail, Slack, Salesforce และ HubSpot โดยจะให้คะแนนเฉพาะวัตถุประสงค์ที่เอเย่นต์ทำสำเร็จโดยไม่ละเมิดข้อจำกัด
ติดตามเราได้ที่ X เพื่ออัปเดตข่าวสารล่าสุดอย่างทันท่วงที
Grok 4.5: ต้นทุนต่ำกว่า เร็วกว่า และคงความถูกต้องเป็นส่วนใหญ่
ค่าใช้จ่ายของ Grok 4.5 อยู่ที่ USD 0.34 ต่อหนึ่งงาน ซึ่งต่ำกว่า Fable 5 ที่ USD 1.35 และ Opus 4.8 ที่ USD 1.46 โดยมีเพียง Gemini 3.5 Flash ที่ใกล้เคียงที่สุดคือ USD 0.49
โมเดลนี้ใช้ token ส่งออกประมาณ 8,000 token ต่อหนึ่งงาน ซึ่งเป็นประมาณหนึ่งในสี่เมื่อเทียบกับ Opus 4.8 ประสิทธิภาพนี้จึงเป็นส่วนสำคัญต่อช่องว่างด้านต้นทุน โดยสอดคล้องกับที่ Musk นำเสนอไว้ในช่วงเปิดตัว
ปริมาณ token ที่ใช้รวมต่อหนึ่งงานที่ 0.44 ล้าน เป็นหนึ่งในค่าที่ต่ำที่สุดบนตารางผู้นำ ต้นทุนที่ต่ำเกิดจากประสิทธิภาพนี้และราคาของ token ที่ต่ำเช่นกัน Artificial Analysis กล่าว
นอกจากนี้ Grok 4.5 ทำภารกิจสำเร็จ 79.9% ของเป้าหมายและทำภารกิจผ่านทั้งหมด 21.9% ในด้านการเงินซึ่งถือว่ายากที่สุด มันนำด้วยคะแนน 71% เหนือกว่า Fable 5 ที่ได้ 64% และ Opus 4.8 ที่ได้ 62%
อย่างไรก็ตามโมเดลนี้ละเมิดกฎมากกว่าคู่แข่งหลัก มันบันทึกอัตราการละเมิดกฎเฉลี่ย 0.63 ครั้งต่อภารกิจ ซึ่งสูงกว่า Opus 4.8 ที่มี 0.55 และ Gemini 3.5 Flash ที่มี 0.46
ช่องว่างนี้สำคัญสำหรับบริษัทที่นำเอเจนต์ไปใช้งานจริงในระบบการเงิน เพราะการละเมิดกฎเพียงครั้งเดียวอาจนำไปสู่ต้นทุนที่เกิดขึ้นจริง
ติดตามช่อง YouTube ของเรา เพื่อชมผู้นำและนักข่าวแบ่งปันข้อมูลเชิงลึกจากผู้เชี่ยวชาญ
