Grok 4.5 опередил Claude Sonnet 5, Opus 4.8, Fable 5, GPT-5.5 и стал лучшим ИИ для сложных задач в рейтинге Long-Horizon Terminal-Bench

Илон Маск сообщил, что языковая модель Grok 4.5 заняла первое место в рейтинге Long-Horizon Terminal-Bench по итогам июля 2026 года.

Long-Horizon Terminal-Bench (LHTB) — это специализированный бенчмарк для ИИ-агентов, предназначенный для тестирования их способности решать сложные задачи, требующие многоэтапного планирования, анализа и последовательного принятия решений, в среде командной строки.

Grok 4.5 показал средний результат 0,505 и успешно справился с 13 из 46 тестовых заданий. Особенно заметен прогресс по сравнению с предыдущей версией Grok 4.20, которая не смогла решить ни одного задания в данном бенчмарке.

При этом Grok 4.5 обошел Claude Sonnet 5, Opus 4.8, Fable 5, GPT-5.5 и остальные модели