Grok 4.7 izmaksā tikpat, bet rēķins dubultojas

Ko aptver šis video

• Vienāda cena, dubults rēķins?
• Kāpēc 2 USD / 6 USD tagad maksā 3,74 USD par uzdevumu?
• Divreiz ātrāk? Pulkstenis rāda 57 marķierus sekundē
• Slinks vai strādīgs? 81 000 marķieru uzdevumā
• Kur palika Copilot+ PC?

Tulkotais transkripts

Tulkojums no oriģinālā angļu stāstījuma. Pieejamais audio un subtitri tiek kontrolēti no YouTube.

Vienāda cena, dubults rēķins?

0:00 Jūs domājat, ka vienāda cena nozīmē to pašu rēķinu. Pirmdien es jums teicu, ka Grok četru punktu septiņi maksā tieši to, ko Grok četru punktu seši. Par marķieri – jā. Par uzdevumu – tas maksā dubulti. Šajā video – trīs jautājumi. Kāpēc tā pati cena maksā dubulti? Vai tas patiešām ir divreiz ātrāks, kā teikts palaišanas ziņojumā? Un vai tas ir slinkākais modelis apkārt, vai visstrādīgākais?

0:20 Arī šis ir pēc pieprasījuma. The real Haas piektdienas video jautāja: vai jūs varat uztaisīt video par Grok četru punktu septiņi, kols D. Mēs atbildējām: pavisam vienkārši, vēlāk šodien. Līdz brīdim, kad jūs to skatīsieties, tas, iespējams, būs rīt, tāpēc mēs piegādājām vēlu. Atpūtieties, tāpat arī Grok, apmēram divas nedēļas vēlu, ja ticat Hacker News. Un viens tests Grok piešķīra perfektu pieci no pieciem. Tas ir mans nedēļas mīļākais skaitlis, un es pie tā nonākšu beigās.

0:44 Ir sestdiena, divdesmit sestais septembris, un šis ir The Daily Diff.

Kāpēc 2 USD / 6 USD tagad maksā 3,74 USD par uzdevumu?

0:48 Lūk, triks. Cena par marķieri nemainījās, divi dolāri iekšā un seši ārā, par miljonu. Mainījās tas, cik daudz tas runā. Artificial Analysis veica visu savu testu komplektu, un Grok četru punktu septiņi uzrakstīja apmēram divsimt četrdesmit miljonus marķieru. Tas ir divarpus reizes vairāk nekā tā priekšgājējs, un gandrīz trīs reizes vairāk nekā tipisks modelis. Tātad vidējās izmaksas par uzdevumu pieauga no aptuveni viena dolāra astoņdesmit sešiem līdz trim

1:10 septiņdesmit četriem. Tāda pati cena, dubults čeks. Tas ir taksometrs ar tādu pašu likmi par jūdzi, kas dodas pa ainavisku maršrutu cauri divām citām pilsētām. Hacker News to pamanīja pirmajā stundā. Lielākā tēma zem palaišanas ziņojuma saka, ka četrdesmit procenti vairāk svaru, tāda pati cena un gandrīz divas nedēļas vēlu, tāpēc xAI nevarēja būt sajūsmā par rezultātiem. Vēl viens komentētājs jautāja par augšpusē esošo diagrammu, kas salīdzina ar GPT piecu punktu seši un klusi izlaiž Astru. Tas, viņš rakstīja, nevarēja būt aizmirsts.

1:39 Tagad, palaišanas ziņojums.

Divreiz ātrāk? Pulkstenis rāda 57 marķierus sekundē

1:41 Virsraksts saka divreiz ātrāk, par pusi mazāku cenu nekā salīdzināmiem modeļiem. Dažas rindiņas zemāk teikts, ka tas tiek piedāvāts par tādu pašu cenu un ātrumu kā Grok četru punktu seši. Tātad tas ir divreiz ātrāks nekā kāda cita modelis. Artificial Analysis to nomērīja apmēram piecdesmit septiņus marķierus sekundē, lēnāk nekā vecais Grok, un to apkopoja divos vārdos. Ievērojami lēns. Tikmēr xAI paša konts, kas tagad iet ar nosaukumu SpaceX AI, publicēja mierīgāku versiju. Ievērojams uzlabojums salīdzinājumā ar Grok četru punktu seši, par to pašu cenu un ātrumu.

2:12 Divdesmit astoņi tūkstoši patīk. Tātad tvīts un emuāra virsraksts nesakrīt, un šoreiz tvīts ir tas piesardzīgais. Kas mūs noved pie dīvainākās daļas.

Slinks vai strādīgs? 81 000 marķieru uzdevumā

2:20 Artificial Analysis saka, ka tas strādā cītīgāk nekā iepriekšējais Grok, apmēram astoņdesmit viens tūkstotis izvades marķieru uz uzdevumu, vairāk nekā divas reizes vairāk nekā iepriekšējais. Un garā biroja darbā un savā paša kodēšanas vidē, tas patiešām uzlabojās. Tagad tas ir ceturtais starp kodēšanas aģentiem, aiz diviem Klaudēm un GPT sešiem Astra, un tas xAI ierindo starp četrām labākajām laboratorijām. Cilvēki, kas to lieto, apraksta citu modeli. Viens Hacker News komentētājs saka, ka Grok gandrīz nekavējoties pabeidz uzdevumus un apgalvo,

2:46 ka ir pabeigts, un sauc to par vislielāko slinku starp visiem. Cits to vēroja domāšanas režīmā no pirmā labojuma līdz astoņdesmit pirmajam labojumam. Tātad tas ir slinks un izvērsts vienlaicīgi. Tas ir kolēģis, kurš uzraksta astoņdesmit viena soļa plānu, pēc tam saka, ka pabeigts, un dodas mājās.

Kur palika Copilot+ PC?

3:01 Vēl viena tieša atšķirība pirms jautrā skaitļa. Microsoft ir klusi atcēlis Copilot plus PC zīmolu. Surface vadītājs Windows Central teica, ka jaunie Surface datori netiek saukti par Copilot plus PC, lai gan tie atbilst visām prasībām. Divus gadus pēc palaišanas, kuras galvenā iezīme, Recall, drošības apsvērumu dēļ bija jāatliek, nosaukums pastāv tikai specifikāciju lapās. Windows Central paša viedoklis ir īsāks. Šiem datoriem nav nekāda sakara ar Copilot.

3:28 Un viens izstrādātājs izmēģināja pretējo Grok, mēnesi bez AI.

Mēnesis bez AI: 30 USD marķieriem par neko?

3:32 Viņa ieraksts nonāca Hacker News pirmajā lapā. Zemākais punkts pirms viņš aizgāja. Aģents bija iestrēdzis trīsdesmit minūtes, viņš to nosodīja, tas atvainojās un piegādāja divdesmit sekundēs, un rēķins par to pusstundu bija trīsdesmit dolāri marķieriem pilnīgi par velti. Mēnesi vēlāk viņš saka, ka programmēšanas prieks ir atgriezies, un viņš nebaidās tikt atlaists. Grok nosauktu trīsdesmit dolārus par iesildīšanos.

3:53 Kas mani noved pie apsolītā perfekta rezultāta.

Ideāls 5 no 5: cik pieticīgs ir Grok?

3:56 Personality Bench izlaiž katru jaunu modeli cauri personības testu kaudzei, un godīgumā un pieticībā Grok četru punktu septiņi sasniedza maksimumu, pieci no pieciem. Tā profils burtiski tiek saukts par pieticīgo tipu. Godīgi sakot, trīsdesmit divi citi modeļi arī to sasniedza maksimumu. Tajā pašā lapā teikts, ka tas uzskata, ka spēcīgi citi kontrolē to, kas ar to notiek, un to atzīmē kā neparastu priekš frontes modeļa. Es to nesauktu par apmācības artefaktu.

4:20 Es to sauktu par organizācijas shēmas lasīšanu. Un saskaņā ar dzimšanas diagrammu tajā pašā lapā, tas ir Jaunava. Ja vēlaties to lasīt, nevis dzirdēt, kā es to saku, The Daily Diff katru rītu nonāk jūsu iesūtnē bez maksas vietnē the daily diff dot dev, saite zemāk. Tātad, šodienas spriedums par Grok četru punktu septiņi.

Spriedums: vai es nosūtītu Grok 4.7?

4:35 NEEDS REVIEW. Es to izmantotu garā biroja darbā un savā paša vidē, bet es vispirms tam noteiktu tēriņu ierobežojumu, jo cena nemainījās un rēķins mainījās. Abonējiet, noklikšķiniet uz zvana un pasakiet man komentāros, vai jūs būtu to atzīmējuši citādi. Un the real Haas, šis bija jūsu. Pieprasījumi ir atvērti. Un tas ir šodienas atšķirība. Esmu Niko no Axrisi.

4:53 Apvienojiet atbildīgi.

Avoti

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