Elon Musk's SpaceXAI у понеділок представила Grok 4.7 за ціною $2 за мільйон вхідних токенів, хоча власні бенчмарки компанії ставлять Anthropic's Claude Fable 5.1 вище в більшості тестів.
Ключові моменти:
- SpaceXAI запустила Grok 4.7 за тією ж ціною, що й Grok 4.6, — $6 за мільйон вихідних токенів.
- У внутрішньому порівнянні Claude Fable 5.1 зберіг перевагу в GDPval, CursorBench і Terminal-Bench.
- Grok 4.7 виграв у тестах з електротехніки та юридичної роботи після кількох місяців перенесення релізу.
Запуск Grok 4.7
Компанія повідомила про модель у понеділок, назвавши її своєю найсильнішою розробкою для програмування та knowledge work. Наразі вона доступна в Cursor, Grok Build, через Grok API та в сторонніх середовищах для кодингу. Швидший варіант коштує вдвічі дорожче. Вихідні токени — $6 за мільйон, без змін порівняно з Grok 4.6, яку випустили трохи більш як місяць тому.
SpaceXAI заявила, що Grok 4.7 працює на новій, більшій базовій моделі, навчання якої супроводжувалося тривалішим циклом reinforcement learning із фокусом на завданнях, що займають багато годин. Також модель отримала оновлений шар захисних механізмів. Окремо Маск стверджував, що модель має 2,1 трлн параметрів проти 1,5 трлн раніше, а додаткове навчання, за його словами, базувалося на інженерних даних SpaceX, хоча в повідомленні про запуск про це не сказано.
Також читайте: Помилка Polymarket дала зловмисникам змогу зайти в акаунти без пароля
Перевага Claude Fable 5.1
У GDPval, де ШІ оцінюють за завданнями, виконуваними юристами, медсестрами та фінансовими аналітиками, Grok 4.7 отримав Elo-рейтинг 1 695 проти 1 735 у Claude Fable 5.1. У AA Briefcase — тесті на багатогодинні офісні завдання — модель також поступилася. У Terminal-Bench відрив став майже 20 балів.
Водночас нова модель таки взяла реванш у кількох напрямах, обійшовши Fable 5.1 у тесті з електротехніки — 64% проти 56,4% — і майже втричі перевершивши конкурента в юридичному бенчмарку Harvey для юристів. Grok 4.7 покращив результати порівняно з Grok 4.6 в усіх оприлюднених компанією тестах і майже удвічі перевищив показник попередника в terminal work.
Усі ці цифри наводить сама SpaceXAI. CursorBench — кодинговий тест, з якого компанія почала презентацію і в якому програла 51,8% проти 46,3% — створений Cursor, редактор якого SpaceX завершила купувати минулого місяця. Втім, у Grok 4.7 є цінова перевага: він коштує в п’ять разів дешевше за Fable 5.1 для вхідних токенів.
Серія затримок Ілона Маска
Запуск завершив літо зірваних дедлайнів: Маск неодноразово переносив реліз після того, як наприкінці липня сказав, що модель з’явиться за чотири тижні. 1 вересня він звузив термін до 10 днів, а 11 вересня визнав, що моделі потрібно ще кілька днів навчання.
За кілька днів до релізу він знову знизив очікування, порівнявши Grok 4.7 радше з Claude Opus 5.0, а не з новішою Opus 5.1, зазначивши, що мультимодальну частину ще не завершено. Відтоді він називає Grok 4.8 суттєвим кроком уперед. Grok 5, за його словами, може й зовсім очолити ринок, хоча дати виходу жодної з моделей поки немає.
Читати далі: ШІ ще не готовий до власної зброї, попереджає хакер, який зламав OpenAI
