Grok 4.5: nezávislé benchmarky odhalili 54 % mieru halucinácie — dvojnásobok Grok 4.3

Čo sa stalo

Deň po spustení Grok 4.5 (8. júla 2026) zverejnila firma Artificial Analysis nezávislé benchmarky modelu. Výsledky odhalili výrazný nárast miery halucinácie aj napriek zlepšeniu presnosti.

Kontext a dopad

Grok 4.5 sa umiestnil na 4. mieste Intelligence Indexu (skóre 54) za Fable 5, GPT-5.5 a Opus 4.8. Model má najlepšie agentic tool-use skóre spomedzi všetkých testovaných modelov, čo ho robí silným pre sekvenčné volania nástrojov a automatizačné workflow. Zároveň je aj najlacnejší na Intelligence Index úlohu ($0,31/task). Vysoká miera halucinácie (model je 'sebavedomo nesprávny') je varovaním pre nasadenia, kde je faktická presnosť kritická.

Detaily

• Hallucination rate: 54 % (Grok 4.5) vs. 25 % (Grok 4.3) — nárast o 116 %
• Presnosť (AA-Omniscience): 52 % (Grok 4.5) vs. 35 % (Grok 4.3)
• Intelligence Index: skóre 54, 4. miesto celkovo
• Coding Agent Index: 76 bodov, výrazne nižší počet tokenov oproti konkurencii
• Najlepší agentic tool-use výkon spomedzi všetkých modelov
• Cena: $0,31 na Intelligence Index úlohu — najlacnejší testovaný model