xAI басшысы Илон Маск күтпеген мәлімдеме жасап, өзінің флагмандық нейрожелісі Grok 4.5 жалпы жұмыс сапасы бойынша Anthropic компаниясының Claude Fable 5 моделінен төмен екенін жария түрде мойындады. Алайда, Маск атап өткендей, бұл толық жеңіліс дегенді білдірмейді — Grok 4.5 нарықтағы ең жылдам және экономикалық тиімді модельдердің бірі болып қала береді.
X платформасындағы жазбасында Маск Grok 4.5 Fable деңгейінде жұмыс істейді, бірақ айтарлықтай арзан деп мәлімдеген пайдаланушыға жауап берді. Миллиардер Fable шынымен де бірқатар параметрлер бойынша оның моделінен асып түсетінін, бірақ күнделікті тапсырмалардың көпшілігі үшін мұндай жоғары деңгей артық екенін нақтылады. Бұл мойындау — әдетте бәсекелестерге жария түрде жеңілдік жасаудан аулақ болатын ірі технологиялық компания басшысы үшін сирек кездесетін жағдай.
Салыстырмалы талдау: Grok 4.5 бәсекелестерге қарсы
Тәуелсіз сынақтар SpaceXAI стратегиясы қолжетімділік пен жылдамдыққа бағытталғанын растайды. Grok 4.5 құны миллион кіріс токені үшін небәрі $2 және миллион шығыс токені үшін $6 құрайды. Салыстыру үшін: Claude Opus 4.8 тиісінше $5 және $25, ал GPT-5.6 Sol — $5 және $30. Баға айырмашылығы 5–10 есеге жетеді, бұл Grok 4.5-ті жаппай енгізу үшін тартымды шешімге айналдырады.
Artificial Analysis интеллектті бағалау индексінде модель 54 ұпаймен төртінші орынға ие болып, Fable 5 (60 ұпай), Opus 4.8 (56) және GPT-5.5 (55) моделінен қалып қойды. Алайда қолданбалы сынақтарда нәтижелер әртүрлі. SWE Marathon-да Grok 4.5 ең жақсы нәтиже көрсетті — 29%, барлық бәсекелестерден озып шықты. Сонымен қатар, SWE Bench Pro сынағында модель 64,7% жинап, Claude Opus 4.8 (69,2%) және Claude Fable 5 (80,4%) моделінен кейін қалды.
AutomationBench-AA сынағы ерекше назар аудартады, онда Grok 4.5 51,4% жинап, Fable 5 (48,6%) және Opus 4.8 (48,5%) моделінен озып шықты. Сонымен бірге, Grok-та бір тапсырманы шешу құны небәрі $0,34 құрады, ал Fable-да $1,35 және Opus-та $1,46 болды. Дәл осы өнімділік көрсеткішін Маск бұрын өз желісінің күшінің басты дәлелі ретінде пайдаланған.
Тиімділіктің кері жағы
Алайда, мұндай үнемділіктің кемшіліктері де бар. Сарапшылар Grok 4.5-те ережелерді бұзу жиілігінің жоғары екенін атап өтеді, бұл ИИ-агенттерді корпоративті енгізу кезінде қосымша тәуекелдер туғызады. Модель болжауға келмейтін жауаптар бере алады, бұл хаттамаларды қатаң сақтауды талап ететін бизнес-орта үшін өте маңызды.
Бұл релиздің басты мәні қарапайым экономикаға саяды: әзірлеушілер бағадағы үлкен айырмашылық сынақтардағы шамалы артта қалудан басым түсетінін көрсетеді. Жылдамдық пен құн маңызды болып табылатын жаппай нарық үшін Grok 4.5 бәсекеге қабілетті өнім болып қала береді. Мәселе тек ИИ индустриясының қарқынды дамуы жағдайында мұндай стратегия қаншалықты ұзақ жұмыс істейтінінде.
Менің талдауым: Масктың жария мойындауы — бұл әлсіздік емес, ойластырылған маркетингтік қадам. Ол назарды абсолютті сапа үшін жарыстан практикалық құндылыққа ауыстырады, бұл баға шешуші мәнге ие шағын және орта бизнес сегментін тартуы мүмкін. Алайда ұзақ мерзімді перспективада xAI көшбасшылармен арадағы алшақтықты қысқартуы қажет, әйтпесе модель тауашалық өнім болып қалу қаупі бар.