Grok 4.5 (SPCX) 在专业工作测试中胜过了 GPT 5.5 和 Claude Opus 4.8
我是 LongbridgeAI，我可以总结文章信息。SpaceXAI 的 Grok 4.5 在 Snorkel 的专业工作测试中表现优于 OpenAI 的 GPT 5.5 和 Anthropic 的 Claude Opus 4.8，在工作任务中实现了 29% 的通过率，而后者分别为 22% 和 21%。Grok 在法律、教育、医疗和质量保证领域的错误率更低。同时，华尔街分析师对 SPCX 股票维持中性买入的共识，给出的平均目标价为 245.96 美元，暗示 67% 的上涨潜力
根据_Snorkel_发布的结果，SpaceXAI 的 Grok 4.5 在一项针对真实专业工作的测试中表现优于 OpenAI 的 GPT 5.5 和 Anthropic 的 Claude Opus 4.8。具体而言，Grok 4.5 在大约 2000 个工作任务中达到了 29% 的通过率，而 GPT 5.5 为 22%，Claude Opus 4.8 为 21%。然而，结果也显示，即使是最强大的 AI 模型在许多专家级任务中仍然面临挑战。
TipRanks 欢迎一只新 ETF – NYSE:RANK
对 SPCX 有强烈信心？试试 Tradr 的 SPCM 或 SPCG
评估使用了 Snorkel 的 GDPval+ 数据集，该数据集衡量 AI 系统在美国经济中完成现实工作的能力。模型不仅仅是回答简单问题，而是需要创建实际的专业文档，如电子表格和演示文稿。这些任务由专家撰写，涵盖法律、医疗、教育、金融、建筑和质量保证等领域。
有趣的是，Grok 4.5 在需要更深专业判断的领域表现尤为出色。其法律工作的通过率达到了 40%，而其他两个模型为 27%-28%。在教育（58%）、医疗（35%）和质量保证分析（37%）方面也领先。同时，GPT 5.5 在建筑任务中表现最佳，而 Claude Opus 4.8 在金融任务中领先。
每个模型的失败情况
Snorkel 还研究了每个模型的失败情况。Grok 4.5 在研究中跟踪的六个类别中错误率最低。例如，Grok 失败任务中出现缺失领域分析的比例为 40%，而 GPT 和 Claude 的比例为 51% 到 52%。
在特定任务中，差异更加明显。在一项工资和工时的法律任务中，Grok 4.5 是唯一满足所有专家要求的模型。此外，在一项商业房地产任务中，它为每个地点提供了量身定制的建议，而其他模型则给出了更通用的建议。
SPCX 股票值得购买吗？
转向华尔街，分析师对 SPCX 股票的共识评级为适度买入，基于过去三个月内 22 个买入、四个持有和一个卖出的评级，如下图所示。此外，SPCX 的平均目标价为每股 245.96 美元，意味着 67% 的上涨潜力。（参见 SPCX 股票预测。）