Tencent Hunyuanの最新のテスト結果によると、Grok 4.5はLHTB（Long Horizon Task Benchmark）で平均スコア0.505を記録し、1位となり、46タスク中13タスクを完了しました。Tencent Hunyuanと複数の大学が共同で開発したこのベンチマークは、AIエージェントがローカル端末上で複雑なタスクを継続的に完了できるかどうかを評価します。
LHTBはソフトウェアエンジニアリング、実験の再現、科学計算、マルチモーダル分析にまたがる46タスクを対象としており、各タスクは最大90分実行され、通常は数百の連続したステップを必要とします。公開された20モデルのうち、29タスクはどのモデルでも未完了のままであり、このベンチマークの難易度の高さが示されています。
