Grok 4.7ek berdin balio du, baina faktura bikoitza da

Bideo honek zer jorratzen duen

• Prezio bera, faktura bikoitza?
• Zergatik balio du orain 2 $ / 6 $-k 3,74 $ ataza bakoitzeko?
• Bi aldiz azkarragoa? Erlojuak 57 token segundoko dio
• Alferra ala langilea? 81.000 token ataza bakoitzeko
• Nora joan da Copilot+ PC?

Itzulitako transkripzioa

Jatorrizko ingelesezko narraziotik itzulia. Eskuragarri dauden audioa eta azpitituluak YouTube-k kontrolatzen ditu.

Prezio bera, faktura bikoitza?

0:00 Uste zenuke prezio berak faktura bera esan nahi duela. Astelehenean esan nizun Grok lau puntuko zazpiak Grok lau puntuko seiak bezainbeste balio duela. Token bakoitzeko, hala da. Ataza bakoitzeko, bikoitza balio du. Bideo honetan, hiru galdera. Zergatik balio du prezio berak bikoitza? Benetan bi aldiz azkarragoa al da, abiarazteko argitalpenak dioen bezala? Eta modelo alferrena ala langileena al da?

0:20 Gainera, hau eskatuta dator. Real Haas-ek ostiraleko bideoan galdetu zuen, egin dezakezu bideo bat Grok lau puntuko zazpiri buruz, bi puntu D. Erantzun genuen, oso erraza, gaur geroago. Hau ikusten duzunerako, ziurrenik bihar izango da, beraz berandu bidali dugu. Lasai, Grok ere bai, bi aste berandu inguru, Hacker News sinesten baduzu. Eta proba batek Grok-i bostetik bost perfektua eman zion. Nire asteko zenbaki gustukoena da, eta bukaeran helduko diot.

0:44 Larunbata da, irailak hogeita seia, eta hau The Daily Diff da.

Zergatik balio du orain 2 $ / 6 $-k 3,74 $ ataza bakoitzeko?

0:48 Hona trikimailua. Token bakoitzeko prezioa ez zen mugitu, bi dolar sartu eta sei atera, milioi bakoitzeko. Mugitu zena hitz egiten duen kopurua da. Artificial Analysis-ek bere proba multzo osoa exekutatu zuen, eta Grok lau puntuko zazpiak berrehun eta berrogei milioi token inguru idatzi zituen. Horrek bere aurrekoaren bi eta erdi aldiz, eta ia hiru aldiz eredu tipiko batena da. Beraz, ataza bakoitzeko batez besteko kostua dolar bat eta laurogeita seietik hiru hirurogeita laura igo zen. Prezio etiketa bera, ordainagiria bikoitza.

1:10 Prezio etiketa bera, ordainagiria bikoitza. Kilometroko tarifa bera duen taxi bat da, bi beste hiritatik bide eszenikoa hartzen duena. Hacker News-ek lehen orduan antzeman zuen. Abiarazteko azpiko hari handienak dio ehuneko berrogei pisu gehiago, prezio bera, eta ia bi aste berandu, beraz, xAI-k ez zituen emaitzak gustuko izango. Beste iruzkintzaile batek goiko grafikoari buruz galdetu zuen, zeinak GPT bost puntuko seiarekin alderatzen duen eta Astra isilpean uzten duen. Hori, idatzi zuen, ezin zen ahaztu izana izan.

1:39 Orain, abiarazteko argitalpena.

Bi aldiz azkarragoa? Erlojuak 57 token segundoko dio

1:41 Izenburuak dio bi aldiz azkarragoa, eredu konparagarrien prezioaren erdian. Lerro batzuk beherago, Grok lau puntuko seiarekin prezio eta abiadura berean zerbitzatzen dela dio. Beraz, beste norbaiten modeloa baino bi aldiz azkarragoa da. Artificial Analysis-ek berrogeita hamazazpi token segundoko abiaduran neurtu zuen, Grok zaharra baino motelagoa, eta bi hitzetan laburbildu zuen. Nabariki motela. Bitartean, xAI-ren kontuak, orain SpaceX AI izenez ezagutzen dena, bertsio lasaiagoa argitaratu zuen. Grok lau puntuko seiaren hobekuntza nabarmena, prezio eta abiadura berean.

2:12 Hogeita zortzi mila atsegin. Beraz, txioa eta blogeko izenburua ez datoz bat, eta oraingoan txioa da kontuz ibiltzen dena. Honek zatirik bitxienera garamatza.

Alferra ala langilea? 81.000 token ataza bakoitzeko

2:20 Artificial Analysis-ek dio azken Grok baino gogorrago lan egiten duela, hirurogeita bat mila irteera token inguru ataza bakoitzeko, azkena baino bikoitza baino gehiago. Eta bulegoko lan luzeetan eta bere kodifikazio arnesan, benetan hobetu zuen. Orain laugarren dago kodifikazio agenteen artean, bi Claudes eta GPT sei Astraren atzetik, eta horrek xAI lau laborategi nagusienen artean kokatzen du. Erabiltzen duten pertsonek eredu ezberdin bat deskribatzen dute. Hacker News-eko iruzkintzaile batek dio Grok-ek atazak ia berehala amaitzen dituela eta

2:46 egina dela aldarrikatzen duela, eta guztien artean alferrena dela dio. Beste batek pentsatzeko moduan bueltaka ikusi zuen, lehen konponketatik laurogeita batera arte. Beraz, alferra eta hitz-jarioa da aldi berean. Laurogeita bat urratseko plan bat idazten duen lankidea da, gero egina dela esan eta etxera joaten dena.

Nora joan da Copilot+ PC?

3:01 Beste diff zuzen bat zenbaki dibertigarriaren aurretik. Microsoft-ek isilean erretiratu du Copilot plus PC marka. Surface-eko nagusiak Windows Central-i esan zion Surface PC berriak ez direla Copilot plus PC deitzen, nahiz eta baldintza guztiak bete. Bi urte geroago, Recall, bere ezaugarri nagusia, segurtasunagatik atzeratu behar izan zen abiarazte baten ostean, izenak zehaztapen-orrietan bakarrik irauten du. Windows Central-en iritzia laburragoa da. PC hauek ez dute zerikusirik Copilot-ekin.

3:28 Eta garatzaile batek Grok-en kontrakoa probatu zuen, hilabete bat AIrik gabe.

Hilabete bat AIrik gabe: 30 $ token ezertarako?

3:32 Bere argitalpenak Hacker News-en lehen orrialdea hartu zuen. Utzi aurreko puntu baxua. Agente bat hogeita hamar minutuz geldirik egon zen, errieta egin zion, barkamena eskatu eta hogei segundotan entregatu zuen, eta ordu erdi horren faktura hogeita hamar dolar token izan ziren ezertarako. Hilabete geroago programazioaren poza itzuli dela dio, eta ez du kaleratzeko beldurrik. Grok-ek hogeita hamar dolar beroketa deituko luke.

3:53 Horrek agindu nuen puntuazio perfektura garamatza.

5etik 5 perfektua: zein apala da Grok?

3:56 Personality Bench-ek eredu berri guztiak nortasun proba pila batetik pasatzen ditu, eta zintzotasun eta apaltasunari dagokionez, Grok lau puntuko zazpiak puntuazio maximoa lortu zuen, bostetik bost. Bere profila literalki tipo apala deitzen da. Zintzotasunarekin, beste hogeita bi ereduk ere puntuazio maximoa lortu zuten. Orrialde berak dio beste boteretsu batzuek kontrolatzen dutela berari gertatzen zaiona uste duela, eta hori ohiz kanpokoa dela muga eredu batentzat azpimarratzen du. Ez nuke hori entrenamendu artefaktu bat deituko.

4:20 Organigrama irakurtzea deituko nuke. Eta orrialde bereko jaiotza-diagramaren arabera, Virgo bat da. Hau irakurtzea nahiago baduzu niretzat esatea baino, diff-a zure sarrera-ontzira iristen da goizero, doan daily diff dot dev-en, esteka behean. Beraz, gaurko epaia Grok lau puntuko zazpiri buruz.

Epaia: Grok 4.7 SHIP IT egingo nuke?

4:35 BERRIKUSTEKO BEHARRA. Bulegoko lan luzeetarako eta bere arnes barruan erabiliko nuke, baina lehenik gastu muga bat jarriko nioke, prezioa ez baitzen aldatu eta fakturak bai. Harpidetu, sakatu kanpaia, eta esaidazu iruzkinetan ezberdin zigilatuko zenukeen. Eta benetako Haas, hau zurea zen. Eskakizunak irekita daude. Eta hori da gaurko diff-a. Axrisiko Niko naiz.

4:53 Fusionatu arduraz.

Iturriak

1. SpaceXAI — Introducing Grok 4.7 (archived)web.archive.org
2. Hacker News (609 pts)news.ycombinator.com
3. SpaceXAI on Xx.com
4. Artificial Analysis — Benchmarking Grok 4.7artificialanalysis.ai
5. Artificial Analysis — Grok 4.7 model pageartificialanalysis.ai
6. Artificial Analysis — Grok 4.6 model pageartificialanalysis.ai
7. Personality Bench — Grok 4.7persona.earthpilot.ai
8. Windows Central — The Copilot+ PC brand is deadwww.windowscentral.com
9. Hacker News (90 pts)news.ycombinator.com
10. bustikiller — One month without AIblog.bustikiller.com
11. Hacker News (159 pts)news.ycombinator.com