據 Woofun AI 消息，獨立評估機構 Artificial Analysis 更新了 AutomationBench-AA 排名，SpaceXAI 開發的 Grok 4.5 以 51.4% 的得分位居榜首，超越 Claude Fable 5 和 Claude Opus 4.8。該測試集包含 657 項多步驟任務，涉及 Gmail、Slack 等 40 種模擬應用環境，評分標準嚴格，任何違反企業規範的行爲將導致得分歸零。

Grok 4.5 成爲首個得分超過 50% 的模型，其單任務處理成本僅爲 0.34 美元，顯著低於 Claude Fable 5 的 1.35 美元及 GPT-5.5 xhigh 的 1.28 美元。

儘管成本優勢明顯，Grok 4.5 的穩定性稍遜，平均每項任務存在 0.63 次違規，高於 Gemini 3.5 Flash 的 0.46 次。