Elon Musk'a SpaceXAI w poniedziałek udostępniło Grok 4.7 w cenie 2 dolarów za milion tokenów wejściowych, choć własne benchmarki firmy pokazują przewagę Anthropic's Claude Fable 5.1 w większości testów.
Kluczowe informacje:
- SpaceXAI wprowadziło Grok 4.7 w tej samej cenie co Grok 4.6, a tokeny wyjściowe kosztują 6 dolarów za milion.
- W zestawieniu firmy Claude Fable 5.1 utrzymał prowadzenie w GDPval, CursorBench i Terminal-Bench.
- Grok 4.7 wygrał w testach z inżynierii elektrycznej i pracy prawniczej po miesiącach przesuwania premiery.
Wdrożenie Grok 4.7
Firma ogłosiła model w poniedziałek jako swój najmocniejszy dotąd wariant do kodowania i pracy z wiedzą. Jest już dostępny w Cursor, Grok Build, API Grok oraz zewnętrznych narzędziach do testowania kodu. Szybsza wersja kosztuje dwa razy więcej. Tokeny wyjściowe wyceniono na 6 dolarów za milion, bez zmian względem Grok 4.6, który trafił na rynek niewiele ponad miesiąc temu.
SpaceXAI podało, że Grok 4.7 działa na nowym, większym modelu bazowym, trenowanym z użyciem dłuższego cyklu reinforcement learning, ukierunkowanego na problemy wymagające wielu godzin pracy, a także wyposażonym w przebudowaną warstwę zabezpieczeń. Musk osobno twierdził, że model ma 2,1 bln parametrów, wobec 1,5 bln wcześniej, a dodatkowe dane treningowe pochodziły z inżynieryjnych zasobów SpaceX — czego nie wspomniano w komunikacie premierowym.
Zobacz także: Błąd w Polymarket pozwalał złodziejom wejść na konta bez hasła
Claude Fable 5.1 utrzymuje przewagę
W GDPval, który ocenia AI na podstawie pracy wykonywanej przez prawników, pielęgniarki i analityków finansowych, Grok 4.7 uzyskał wynik Elo 1695 wobec 1735 dla Claude Fable 5.1. W teście AA Briefcase, mierzącym wielogodzinne zadania biurowe, również pozostał z tyłu. W Terminal-Bench dystans jeszcze się zwiększył, do niemal 20 punktów.
Nowszy model odniósł jednak zwycięstwo w innych obszarach, pokonując Fable 5.1 w teście inżynierii elektrycznej — 64% do 56,4% — oraz potroił wynik rywala w benchmarku agenta prawnego Harvey dla prawników. Grok 4.7 poprawił się względem Grok 4.6 we wszystkich opublikowanych przez firmę testach, niemal podwajając wynik poprzednika w zadaniach terminalowych.
Wszystkie te dane pochodzą od samej SpaceXAI. CursorBench, test kodowania, którym firma się chwaliła, a który ostatecznie przegrała 51,8% do 46,3%, został przygotowany przez Cursor — edytor, który SpaceX finalnie kupiło w ubiegłym miesiącu. Atutem Grok 4.7 pozostaje cena: to tylko jedna piąta stawki pobieranej przez Fable 5.1 za tokeny wejściowe.
Kolejne opóźnienia Muska
Premiera zamknęła lato pełne przesuwanych terminów. Musk przesuwał datę wielokrotnie po tym, jak pod koniec lipca zapowiadał, że model pojawi się za cztery tygodnie. 1 września zawęził okno do 10 dni, a 11 września przyznał, że potrzebuje ono jeszcze kilku dni treningu.
Na kilka dni przed premierą ponownie obniżył oczekiwania, porównując Grok 4.7 raczej do Claude Opus 5.0 niż nowszego Opus 5.1, przy czym prace multimodalne wciąż nie były dokończone. Od tamtej pory mówił już o Grok 4.8 jako o wyraźnym kroku naprzód. Grok 5 — jak sugerował — mógłby nawet objąć prowadzenie na rynku, choć żaden z tych modeli nie ma jeszcze wyznaczonej daty debiutu.
Czytaj dalej: AI nie jest gotowa na własną broń, ostrzega haker, który włamał się do OpenAI
