Grok 4.5 очолює Tenc​ent Hunyuan LHTB AI Agent Benchmark із середнім результатом 0,505 та 13 виконаними завданнями

За останніми результатами тестування Tencent Hunyuan, Grok 4.5 посідає перше місце в LHTB (Long Horizon Task Benchmark) із середнім результатом 0,505, виконавши 13 із 46 завдань. Бенчмарк, розроблений спільно Tencent Hunyuan і кількома університетами, оцінює, чи можуть AI-агенти безперервно виконувати складні завдання на локальних кінцевих пристроях.

LHTB охоплює 46 завдань у сферах програмної інженерії, відтворення експериментів, наукових обчислень і мультимодального аналізу; кожне завдання триває до 90 хвилин і зазвичай потребує сотень послідовних кроків. З 20 моделей, які публічно тестувалися, 29 завдань залишаються невиконаними жодною моделлю, що вказує на високу складність бенчмарку.