AI代理市场迎来了一位毫无争议的新领导者。分析机构Artificial Analysis对AutomationBench-AA进行了独立基准测试，结果颇具说服力。SpaceXAI推出的Grok 4.5模型不仅超越了公认的巨头——Claude Fable 5和Claude Opus 4.8，而且在经济效率上实现了巨大领先。
全面胜利：性能与成本
在包含40个模拟应用（Gmail、Slack、Salesforce、HubSpot等）共657项任务的测试中，Grok 4.5成功完成了51.4%的任务。相比之下，Claude Fable 5为48.6%，Claude Opus 4.8为48.5%。然而，最大的惊喜在于价格。Grok 4.5完成一项任务仅需0.34美元，而Fable 5需1.35美元，Opus 4.8需1.46美元。价格最接近的竞争对手Gemini 3.5 Flash每项任务需0.49美元，但表现明显逊色。
效率：核心优势
Grok 4.5的成功秘诀在于其拥有1.5万亿参数的V9架构。完成一项任务，该模型约使用8000个输出令牌——仅为Opus 4.8资源消耗的25%左右。每项任务的总令牌消耗仅为44万，是所有模型中最低的之一。正是这种效率，加上低廉的令牌价格，构成了SpaceXAI在发布时所强调的竞争优势。
金融领域：绝对主导
Grok 4.5在金融领域——测试中最复杂的类别——的表现尤为值得关注。该模型成功解决了71%的任务，领先于Fable 5（64%）和Opus 4.8（62%）。这对于将AI代理部署到实际金融系统的公司来说，是一个至关重要的指标。但值得注意的是，Grok 4.5违反规则的频率高于竞争对手：平均每项任务违规0.63次，而Opus 4.8为0.55次，Gemini 3.5 Flash为0.46次。在高风险场景中，这可能成为一个严重缺陷。
我的分析：Grok 4.5表明，AI代理的未来不仅仅是“智能”模型，更是经济高效的解决方案。在任务质量相当的情况下，价格相差4倍，使该模型对大规模融入业务流程极具吸引力。然而，较高的违规率需要额外关注和调整，尤其是在金融等受监管领域。AI代理市场显然正进入价格战阶段，这对最终用户来说是个好消息。