По словам Илона Маска, новая языковая модель Grok версии 4.5 лидирует в рейтинге Long-Horizon Terminal-Bench по результатам июля 2026 года.

Long-Horizon Terminal-Bench (LHTB) представляет собой специализированный тест для искусственного интеллекта, оценивающий возможности агентов по решению комплексных проблем, включающих многоступенчатое планирование, детальный анализ и последовательные действия в текстовом интерфейсе.

Grok 4.5 достиг среднего показателя в 0,505 баллов и успешно выполнил тринадцать из сорока шести тестов. Заметно улучшились результаты по сравнению с предыдущей версией Grok 4.20, которая не смогла выполнить ни одного задания на этом бенчмарке.

В ходе тестирования Grok 4.5 превзошел такие модели как Claude Sonnet 5, Opus 4.8, Fable 5 и GPT-5.5.