runawayllm экономика общество самит google крипто токен gemini runawayllm

Grok 4.5 победил Fable 5 в автоматизации SaaS — и оказался в 4 раза дешевле

Artificial Analysis опубликовала результаты независимого тестирования Grok 4.5 на AutomationBench-AA — лидерборде, который проверяет, могут ли AI-агенты автоматизировать реальные рабочие процессы в SaaS-сервисах.

Модель SpaceXAI заняла первое место с 51,4% и стала первой, кто выполнил больше половины целей без нарушения бизнес-правил. Флагманы Anthropic остались позади: Claude Fable 5 набрал 48,6% (модель работала с фолбэком на Opus примерно в 18% задач), Claude Opus 4.8 — 48,5%.

DMCA