SpaceXAI негізін қалаушы Илон Маск күтпеген мойындау жасады: оның флагмандық нейрожелісі Grok 4.5 Anthropic компаниясының Claude Fable 5 моделінен төмен. X платформасындағы жазбасында ол Fable жақсырақ жұмыс істейтінін тікелей айтты, дегенмен Grok 4.5 өте жылдам, үнемді және күнделікті тапсырмалардың көпшілігін тамаша орындайтынын атап өтті.
Бұл мәлімдеме Grok 4.5 Fable деңгейінде жұмыс істейді, бірақ айтарлықтай арзан деп мәлімдеген пайдаланушының хабарламасына жауап болды. Маск нақтылық енгізуді жөн көрді: иә, оның моделі арзанырақ, бірақ таза сапада Anthropic флагманынан төмен.
Маск нақты не айтты және бұл неге маңызды
Бәсекелестен артта қалуды мойындау — ірі технологиялық компания басшысы үшін өте сирек кездесетін қадам. Маск күнделікті тапсырмалардың көпшілігі үшін Fable сияқты жоғары деңгей қажет емес екенін және Grok 4.5 баға/сапа арақатынасы бойынша оңтайлы таңдау болып қала беретінін қосты. Ол бұрын Grok 4.5 кейбір бағдарламалық сынақтарда бәсекелестердің күшті модельдерінен озып кеткенін атап өткен болатын.
Нарық бұл мәлімдемелерге ұстамдылықпен жауап берді, бұл инвесторлардың SpaceXAI-дің ұзақ мерзімді стратегиясын түсінетінін көрсетеді: әрбір бенчмаркта абсолютті көшбасшылық емес, қолжетімділік пен жылдамдыққа бас тігу.
Grok 4.5-ті бәсекелестермен салыстыру
SpaceXAI әзірлеушілері құн мен деректерді өңдеу жылдамдығына бас тікті. Grok 4.5 моделі миллион кіріс токені үшін небәрі $2 және миллион шығыс токені үшін $6 тұрады. Салыстыру үшін, бәсекелестердің тарифтері айтарлықтай жоғары:
| ЖИ моделі | 1M токенге кіру | 1M токенге шығу |
| Grok 4.5 | $2 | $6 |
| Claude Opus 4.8 | $5 | $25 |
| GPT-5.6 Sol | $5 | $30 |
Тәуелсіз сынақтар сапада біраз артта қалу кезінде бағадағы ұтысты растайды. Artificial Analysis интеллектін бағалау индексінде Grok 4.5 моделі 54 ұпаймен төртінші орынды иеленді. Тізімнің көшбасшылары 60 ұпаймен Fable 5, 56 ұпаймен Opus 4.8 және 55 ұпаймен GPT-5.5 болып қалады. Қолданбалы сынақтарда да нәтижелер екіге бөлінді: SWE Marathon-да Grok 4.5 29% нәтижемен барлығын басып озды, алайда SWE Bench Pro-да 64,7% жинап, Claude Opus 4.8-ге (69,2%) және Claude Fable 5-ке (80,4%) жол берді.
- AutomationBench-AA агенттік сынағында Grok 4.5 моделі 51,4% жинап, Claude Fable 5-ті (48,6%) және Claude Opus 4.8-ді (48,5%) басып озды.
- Grok 4.5-тегі тапсырманы шешу құны Fable 5 үшін $1,35 және Opus 4.8 үшін $1,46-ға қарсы небәрі $0,34 құрады.
- Дәл осы өнімділік бойынша біріншілікті Маск бұрын өз желісінің күшінің басты дәлелі ретінде пайдаланған.
Алайда мұндай тиімділіктің кері жағы да бар. Сарапшылар модельдің әлсіз тұсы ретінде ережелерді бұзу жиілігінің жоғарырақ екенін атайды. Бұл ЖИ-агенттерді корпоративті енгізу кезінде қосымша тәуекелдер туғызады. Бұл релиздің негізгі мәні қарапайым экономикаға саяды: әзірлеушілер бағадағы үлкен айырмашылық сынақтардағы шамалы артта қалудан басым түсетін нәтижелерді көрсетеді.
Сарапшының пікірі: Масктың мойындауы — бұл әлсіздік емес, ойластырылған маркетингтік қадам. Ол Grok 4.5-ті тар мамандарға арналған премиум-құрал ретінде емес, жаппай тапсырмаларға арналған "халықтық" модель ретінде нақты орналастырады. Ұзақ мерзімді перспективада мұндай стратегия SpaceXAI-ге бенчмарктардағы абстрактілі рекордтарды қуудан гөрі нарықтың үлкен үлесін әкелуі мүмкін.