Grok 4.5 bản miễn phí đạt hiệu năng ngang ngửa GPT-5.6 Sol trong các bài kiểm tra vật lý

Grok 4.5 đã đạt đến trình độ GPT-5.6 Sol trên 3 bản demo vật lý trình duyệt hoàn toàn miễn phí.

Các câu lệnh (prompt) bao gồm: chiến đấu robot, máy ép thủy lực và xe tải nhảy qua hẻm núi.

Bài kiểm tra được thực hiện trên atomic chat (@atomic_chat_hq), một ứng dụng máy tính để bàn chạy các mô hình LLM cục bộ.

Mỗi câu trả lời phải đóng gói phần kết xuất (rendering) và vật lý bên trong mã HTML5 canvas độc lập.

Những tác vụ này buộc JavaScript được tạo ra phải vẽ các khung hình, áp dụng trọng lực, phát hiện va chạm và quản lý các điều khiển.

Kết quả đầu ra: GPT-5.6 Sol: 12.9K token, $0.51 (~7 phút) Grok 4.5: 10.8K token, $0 (~5 phút) Muse Spark 1.1: 26.8K token, $0.12 (~7.5 phút) GLM 5.2: 10.9K token, $0.02 (~12 phút)

Các bản demo vật lý phơi bày một điểm yếu mà các bài kiểm tra lập trình thông thường thường che giấu: một mô hình có thể tiêu tốn nhiều token hơn để mô tả một khung cảnh phong phú nhưng vẫn thất bại ở phần khó, đó là duy trì lực, động lượng, thời điểm va chạm và hành vi vật thể chân thực qua các khung hình.

(Lưu ý: Grok 4.5 hiện chỉ miễn phí thông qua Grok Build và Cursor)

“atomic.chat: Grok 4.5 đã đạt trình độ GPT Sol hoàn toàn miễn phí! Chúng tôi đã đưa cùng một câu lệnh cho 4 mô hình: xây dựng ba cảnh HTML5 canvas độc lập với các bản demo vật lý thực tế. Các câu lệnh: -ro...”