+− THE DAILY DIFFdev & AI news
NEEDS REVIEW

ഗ്രോക്ക് 4.7-ന് അതേ വില, പക്ഷേ ബിൽ ഇരട്ടി

ഗ്രോക്ക് 4.6-ന് ഒരു ടോക്കണിന് എത്രയായിരുന്നോ അതേ വിലയാണ് ഗ്രോക്ക് 4.7-നും, അതായത് അകത്ത് 2 ഡോളറും പുറത്ത് 6 ഡോളറും.

Want to see our stories first on Google? Add us to your preferred sources — it helps us grow.

ഗ്രോക്ക് 4.6-ന് ഒരു ടോക്കണിന് എത്രയായിരുന്നോ അതേ വിലയാണ് ഗ്രോക്ക് 4.7-നും, അതായത് അകത്ത് 2 ഡോളറും പുറത്ത് 6 ഡോളറും. അങ്ങനെയെങ്കിൽ ഒരു ടാസ്ക്കിനുള്ള സ്വതന്ത്ര ബിൽ ഇരട്ടിച്ചത് എന്തുകൊണ്ട്, ഇത് യഥാർത്ഥത്തിൽ "രണ്ടിരട്ടി വേഗതയുള്ളതാണോ"? ഒരാഴ്ചയ്ക്ക് ശേഷമുള്ള ഒരു തുടർ റിപ്പോർട്ട്. @therealhaas ആവശ്യപ്പെട്ടത്. വിധി: NEEDS REVIEW.

എഴുതിയ പതിപ്പ് വായിക്കുക (ഇംഗ്ലീഷ്) ↗

ഈ വീഡിയോയിൽ ഉൾപ്പെടുന്ന കാര്യങ്ങൾ

  • വില ഒരേപോലെ, ബിൽ ഇരട്ടിയോ?
  • എന്തുകൊണ്ടാണ് 2 ഡോളർ / 6 ഡോളർ ഇപ്പോൾ ഒരു ടാസ്ക്കിന് 3.74 ഡോളർ ആകുന്നത്?
  • രണ്ടിരട്ടി വേഗതയോ? ക്ലോക്ക് പറയുന്നത് ഒരു സെക്കൻഡിൽ 57 ടോക്കണുകൾ എന്ന്
  • മടിയനോ കഠിനാധ്വാനിയോ? ഒരു ടാസ്ക്കിന് 81,000 ടോക്കണുകൾ
  • Copilot+ PC എവിടെപ്പോയി?

ചോദ്യോത്തരങ്ങൾ

എന്തുകൊണ്ടാണ് ഒരു ടോക്കണിന് ഒരേ വിലയുള്ള ഒരു AI മോഡലിന് ഒരു ടാസ്ക്കിന് കൂടുതൽ ചിലവ് വരുന്നത്?

ഒരു മോഡലിന് ഒരേ ജോലിക്ക് കൂടുതൽ ടോക്കണുകൾ എഴുതാൻ കഴിയും, അതിനാൽ നിരക്ക് സ്ഥിരമായിരിക്കുമ്പോഴും ബിൽ വർദ്ധിക്കുന്നു. Grok 4.7, Grok 4.6-ന്റെ വിലയായ ഒരു ദശലക്ഷം ടോക്കണുകൾക്ക് $2 ഇൻ, $6 ഔട്ട് എന്ന നിരക്ക് നിലനിർത്തി, എന്നാൽ ആർട്ടിഫിഷ്യൽ അനാലിസിസ് അതിന്റെ ടെസ്റ്റ് സ്യൂട്ടിലുടനീളം ഏകദേശം ഇരുനൂറ്റിനാല്പത് ദശലക്ഷം ടോക്കണുകൾ എഴുതിയതായി കണ്ടെത്തി. ഒരു ടാസ്ക്കിനുള്ള ശരാശരി ചിലവ് ഏകദേശം $1.86-ൽ നിന്ന് $3.74 ആയി ഉയർന്നു.

ഈ ഭാഗം കാണുക 0:48 · artificialanalysis.ai · artificialanalysis.ai · artificialanalysis.ai

Grok 4.7 മറ്റ് മോഡലുകളെക്കാൾ ഇരട്ടി വേഗതയുള്ളതാണോ?

തുല്യമായ മോഡലുകളുടെ ഇരട്ടി വേഗതയും പകുതി വിലയും എന്നാണ് ലോഞ്ച് തലക്കെട്ട് പറഞ്ഞത്, എന്നാൽ ഏതാനും വരികൾക്ക് ശേഷം Grok 4.6-ന്റെ അതേ വിലയിലും വേഗതയിലുമാണ് ഇത് നൽകുന്നതെന്ന് പോസ്റ്റ് പറഞ്ഞു. ആർട്ടിഫിഷ്യൽ അനാലിസിസ് ഇതിന് ഏകദേശം 57 ടോക്കണുകൾ ഒരു സെക്കൻഡിൽ ഉണ്ടെന്ന് രേഖപ്പെടുത്തി, ഇത് പഴയ Grok-നെക്കാൾ വേഗത കുറവാണ്, കൂടാതെ ഇത് വളരെ മന്ദഗതിയിലുള്ളതാണെന്നും വിശേഷിപ്പിച്ചു. SpaceX AI-യുടെ സ്വന്തം ട്വീറ്റ് കൂടുതൽ ശാന്തമായ വാക്കുകൾ ഉപയോഗിച്ചു.

ഈ ഭാഗം കാണുക 1:40 · web.archive.org · x.com · artificialanalysis.ai

Grok 4.7 കൂടുതൽ കഠിനാധ്വാനം ചെയ്യുകയാണോ അതോ കോഡിംഗ് ടാസ്ക്കുകളിൽ മടിയനാണോ?

രണ്ട് ചിത്രങ്ങളും തെളിവുകളിൽ കാണപ്പെടുന്നു. Grok 4.7 ഒരു ടാസ്ക്കിന് ഏകദേശം 81,000 ഔട്ട്‌പുട്ട് ടോക്കണുകൾ ഉത്പാദിപ്പിച്ചതായി ആർട്ടിഫിഷ്യൽ അനാലിസിസ് പറയുന്നു, ഇത് കഴിഞ്ഞ Grok-നെക്കാൾ ഇരട്ടിയിലധികമാണ്, കൂടാതെ ഇത് ദീർഘകാല ഓഫീസ് ജോലികളിലും സ്വന്തം കോഡിംഗ് ഹാർനെസ്സിലും മെച്ചപ്പെട്ടു, കോഡിംഗ് ഏജന്റുകളിൽ നാലാം സ്ഥാനത്തെത്തി. ഹാക്കർ ന്യൂസ് കമന്റർമാർ ഇത് ടാസ്ക്കുകൾ ഏകദേശം ഉടൻ തന്നെ അവസാനിപ്പിക്കാനും പൂർത്തിയാക്കിയെന്ന് അവകാശപ്പെടാനും കഴിയുമെന്ന് പറഞ്ഞു, അതേസമയം മറ്റൊരാൾ ഇത് ചിന്താ മോഡിൽ ലൂപ്പ് ചെയ്യുന്നത് കണ്ടു.

ഈ ഭാഗം കാണുക 2:19 · artificialanalysis.ai · news.ycombinator.com

Copilot+ PC ബ്രാൻഡിന് എന്ത് സംഭവിച്ചു?

മൈക്രോസോഫ്റ്റ് ആ പേര് രഹസ്യമായി പിൻവലിച്ചു. പുതിയ Surface PC-കൾക്ക് Copilot plus PC-കൾ എന്ന് പേരിട്ടില്ലെന്ന് Surface മേധാവി Windows Central-നോട് പറഞ്ഞു, അവ എല്ലാ ആവശ്യകതകളും നിറവേറ്റുന്നുണ്ടെങ്കിലും. സുരക്ഷാ കാരണങ്ങളാൽ മാറ്റിവയ്ക്കേണ്ടി വന്ന Recall എന്ന പ്രധാന സവിശേഷതയോടുകൂടിയ ഒരു ലോഞ്ചിന് രണ്ട് വർഷത്തിന് ശേഷം, ആ പേര് ഇപ്പോൾ സ്പെക്ക് ഷീറ്റുകളിൽ മാത്രമേ നിലവിലുള്ളൂ.

ഈ ഭാഗം കാണുക 3:01 · www.windowscentral.com · news.ycombinator.com

ഒരു ടാസ്ക്കിന് Grok 4.7-ന്റെ ചിലവ് പരിഗണിച്ച് ഡെവലപ്പർമാർ അത് സ്വീകരിക്കേണ്ടതുണ്ടോ?

The Daily Diff-ന്റെ വിധി NEEDS REVIEW എന്നായിരുന്നു. ഈ എപ്പിസോഡ് ദീർഘകാല ഓഫീസ് ജോലികൾക്കും അതിൻ്റെ സ്വന്തം ഹാർനെസിനുള്ളിലും ഇത് ഉപയോഗിക്കും, പക്ഷേ ആദ്യം ഒരു ചെലവ് പരിധി വെച്ചുകൊണ്ട്, കാരണം ടോക്കണിന് വില മാറിയില്ലെങ്കിലും ബിൽ വർദ്ധിച്ചു. ആർട്ടിഫിഷ്യൽ അനാലിസിസ് ഈ ടാസ്‌ക്കുകളിൽ ഇത് മെച്ചപ്പെട്ടതായി കണ്ടെത്തി, എന്നിട്ടും അതിൻ്റെ ടോക്കൺ അളവും കുറഞ്ഞ വേഗതയും ചിലവ് വർദ്ധിപ്പിക്കുന്നു.

ഈ ഭാഗം കാണുക 4:33 · artificialanalysis.ai · artificialanalysis.ai

വിവർത്തനം ചെയ്ത ട്രാൻസ്ക്രിപ്റ്റ്

യഥാർത്ഥ ഇംഗ്ലീഷ് ആഖ്യാനത്തിൽ നിന്ന് വിവർത്തനം ചെയ്തത്. ലഭ്യമായ ഓഡിയോയും അടിക്കുറിപ്പുകളും YouTube നിയന്ത്രിക്കുന്നു.

വില ഒരേപോലെ, ബിൽ ഇരട്ടിയോ?

0:00 ഒരേ വിലയാണെങ്കിൽ ഒരേ ബിൽ ആയിരിക്കുമെന്ന് നിങ്ങൾ ചിന്തിക്കും. തിങ്കളാഴ്ച ഞാൻ നിങ്ങളോട് പറഞ്ഞു ഗ്രോക്ക് 4.7-ന് ഗ്രോക്ക് 4. 6-ന് എത്രയായിരുന്നോ അതേ വിലയാണെന്ന്. ഒരു ടോക്കണിന് അത് ശരിയാണ്. ഒരു ടാസ്ക്കിന്, ഇതിന് ഇരട്ടി വിലയുണ്ട്. ഈ വീഡിയോയിൽ, മൂന്ന് ചോദ്യങ്ങൾ. ഒരേ വിലയായിട്ടും എന്തുകൊണ്ടാണ് ഇരട്ടി ബിൽ വരുന്നത്? ലോഞ്ച് പോസ്റ്റിൽ പറയുന്നതുപോലെ ഇത് യഥാർത്ഥത്തിൽ ഇരട്ടി വേഗതയുള്ളതാണോ? ഇത് ഏറ്റവും മടിയുള്ള മോഡലാണോ, അതോ ഏറ്റവും കഠിനാധ്വാനം ചെയ്യുന്നതാണോ?

0:20 കൂടാതെ, ഇത് അഭ്യർത്ഥന പ്രകാരമുള്ള ഒന്നാണ്. കഴിഞ്ഞ വെള്ളിയാഴ്ചത്തെ വീഡിയോയ്ക്ക് താഴെ The real Haas ചോദിച്ചു, നിങ്ങൾക്ക് ഗ്രോക്ക് 4. 7-നെക്കുറിച്ച് ഒരു വീഡിയോ ചെയ്യാമോ, കോളൻ ഡി. ഞങ്ങൾ മറുപടി നൽകി, എളുപ്പമാണ്, ഇന്ന് വൈകുന്നേരം. നിങ്ങൾ ഇത് കാണുമ്പോഴേക്കും ഒരുപക്ഷേ നാളെയായിരിക്കും, അതിനാൽ ഞങ്ങൾ വൈകിയാണ് ഇത് പുറത്തിറക്കിയത്. വിശ്രമിക്കൂ, ഗ്രോക്കും അങ്ങനെ ചെയ്തു, ഏകദേശം രണ്ടാഴ്ച വൈകി, നിങ്ങൾ ഹാക്കർ ന്യൂസിനെ വിശ്വസിക്കുന്നുവെങ്കിൽ. ഒരു ടെസ്റ്റ് ഗ്രോക്കിന് 5-ൽ 5 മികച്ച സ്കോർ നൽകി. ഇത് ഈ ആഴ്ചയിലെ എന്റെ പ്രിയപ്പെട്ട സംഖ്യയാണ്, അവസാനം ഞാൻ അതിലേക്ക് വരാം.

0:44 ഇന്ന് സെപ്റ്റംബർ 26 ശനിയാഴ്ചയാണ്, ഇത് The Daily Diff ആണ്.

എന്തുകൊണ്ടാണ് 2 ഡോളർ / 6 ഡോളർ ഇപ്പോൾ ഒരു ടാസ്ക്കിന് 3.74 ഡോളർ ആകുന്നത്?

0:48 ഇവിടെയാണ് തന്ത്രം. ഒരു ദശലക്ഷത്തിന് ഒരു ടോക്കണിന്റെ വില മാറിയിട്ടില്ല, 2 ഡോളർ അകത്തും 6 ഡോളർ പുറത്തും. മാറിയത് അത് എത്രമാത്രം സംസാരിക്കുന്നു എന്നതാണ്. ആർട്ടിഫിഷ്യൽ അനാലിസിസ് അതിന്റെ മുഴുവൻ ടെസ്റ്റ് സ്യൂട്ടും നടത്തി, ഗ്രോക്ക് 4.7 ഏകദേശം 240 ദശലക്ഷം ടോക്കണുകൾ എഴുതി. അത് അതിന്റെ മുൻഗാമിയേക്കാൾ രണ്ടര ഇരട്ടിയും, ഒരു സാധാരണ മോഡലിനേക്കാൾ ഏകദേശം മൂന്നിരട്ടിയുമാണ്. അതിനാൽ ഒരു ടാസ്ക്കിന്റെ ശരാശരി വില ഏകദേശം 1.86 ഡോളറിൽ നിന്ന് 3.

1:10 74 ഡോളറായി. ഒരേ വില, ഇരട്ടി രസീത്. രണ്ട് നഗരങ്ങളിലൂടെയുള്ള മനോഹരമായ വഴിയിലൂടെ പോകുന്ന ഒരു ടാക്സിയാണ് ഇത്, മൈലിന് ഒരേ നിരക്ക്. ലോഞ്ച് ചെയ്ത് ആദ്യ മണിക്കൂറിൽ തന്നെ ഹാക്കർ ന്യൂസ് ഇത് കണ്ടെത്തി. ലോഞ്ചിന് കീഴിലുള്ള ഏറ്റവും വലിയ ത്രെഡിൽ പറയുന്നത് 40% കൂടുതൽ വെയ്റ്റുകൾ, ഒരേ വില, ഏകദേശം രണ്ടാഴ്ച വൈകി, അതിനാൽ xAI-ക്ക് അതിന്റെ ഫലങ്ങൾ ഇഷ്ടപ്പെട്ടിട്ടുണ്ടാകില്ല. മറ്റൊരു കമന്റർ മുകളിലുള്ള ചാർട്ടിനെക്കുറിച്ച് ചോദിച്ചു, അത് GPT 5.6-മായി താരതമ്യം ചെയ്യുന്നു, ഒപ്പം ആസ്ട്രയെ സൗകര്യപൂർവ്വം ഒഴിവാക്കുന്നു. അത്, അദ്ദേഹം എഴുതി, ഒരു പിഴവായിരിക്കില്ല.

1:39 ഇനി, ലോഞ്ച് പോസ്റ്റ്.

രണ്ടിരട്ടി വേഗതയോ? ക്ലോക്ക് പറയുന്നത് ഒരു സെക്കൻഡിൽ 57 ടോക്കണുകൾ എന്ന്

1:41 തലക്കെട്ടിൽ പറയുന്നത് ഇരട്ടി വേഗതയുള്ളതും താരതമ്യം ചെയ്യാവുന്ന മോഡലുകളുടെ പകുതി വിലയുള്ളതുമാണ് എന്ന്. ചില വരികൾക്ക് താഴെ, ഗ്രോക്ക് 4.6-ന് സമാനമായ വിലയിലും വേഗതയിലും ലഭ്യമാണ് എന്ന് പറയുന്നു. അതിനാൽ ഇത് മറ്റൊരാളുടെ മോഡലിനേക്കാൾ ഇരട്ടി വേഗതയുള്ളതാണ്. ആർട്ടിഫിഷ്യൽ അനാലിസിസ് ഇതിന് ഒരു സെക്കൻഡിൽ ഏകദേശം 57 ടോക്കണുകൾ വേഗത രേഖപ്പെടുത്തി, പഴയ ഗ്രോക്കിനേക്കാൾ സാവധാനത്തിൽ, രണ്ട് വാക്കുകളിൽ സംഗ്രഹിച്ചു. ശ്രദ്ധേയമായി സാവധാനം. അതേസമയം, xAI-യുടെ സ്വന്തം അക്കൗണ്ട്, ഇപ്പോൾ SpaceX AI എന്ന പേരിൽ അറിയപ്പെടുന്നു, കൂടുതൽ ശാന്തമായ പതിപ്പ് പോസ്റ്റ് ചെയ്തു. ഗ്രോക്ക് 4.6-നെക്കാൾ ശ്രദ്ധേയമായ ഒരു പുരോഗതി, അതേ വിലയിലും വേഗതയിലും.

2:12 28,000 ലൈക്കുകൾ. അതിനാൽ ട്വീറ്റും ബ്ലോഗ് തലക്കെട്ടും തമ്മിൽ വിയോജിപ്പുണ്ട്, ഇത്തവണ ട്വീറ്റാണ് ശ്രദ്ധയുള്ളത്. ഇത് നമ്മളെ ഏറ്റവും വിചിത്രമായ ഭാഗത്തേക്ക് എത്തിക്കുന്നു.

മടിയനോ കഠിനാധ്വാനിയോ? ഒരു ടാസ്ക്കിന് 81,000 ടോക്കണുകൾ

2:20 ആർട്ടിഫിഷ്യൽ അനാലിസിസ് പറയുന്നത് ഇത് കഴിഞ്ഞ ഗ്രോക്കിനേക്കാൾ കഠിനാധ്വാനം ചെയ്യുന്നു എന്നാണ്, ഒരു ടാസ്ക്കിന് ഏകദേശം 81,000 ഔട്ട്പുട്ട് ടോക്കണുകൾ, കഴിഞ്ഞതിനേക്കാൾ ഇരട്ടിയിൽ കൂടുതൽ. ഒപ്പം ദീർഘകാല ഓഫീസ് ജോലികളിലും സ്വന്തം കോഡിംഗ് ഹാർനെസ്സിലും, ഇത് ശരിക്കും മെച്ചപ്പെട്ടു. ഇത് ഇപ്പോൾ കോഡിംഗ് ഏജന്റുകളിൽ നാലാമതാണ്, രണ്ട് ക്ലോഡുകൾക്കും GPT 6 ആസ്ട്രയ്ക്കും പിന്നിൽ, അത് xAI-യെ മികച്ച നാല് ലാബുകളിൽ ഉൾപ്പെടുത്തുന്നു. ഇത് ഉപയോഗിക്കുന്ന ആളുകൾ ഒരു വ്യത്യസ്ത മോഡലിനെയാണ് വിവരിക്കുന്നത്. ഒരു ഹാക്കർ ന്യൂസ് കമന്റർ പറയുന്നു, ഗ്രോക്ക് ടാസ്ക്കുകൾ ഉടൻ തന്നെ പൂർത്തിയാക്കുകയും

2:46 ചെയ്തു എന്ന് അവകാശപ്പെടുകയും, ഇതിനെ എല്ലാറ്റിലും മടിയുള്ളതെന്ന് വിളിക്കുകയും ചെയ്യുന്നു. മറ്റൊരാൾ അത് ചിന്താ മോഡിൽ ലൂപ്പ് ചെയ്യുന്നത് കണ്ടു, ഫിക്സ് ഒന്ന് മുതൽ ഫിക്സ് 81 വരെ. അതിനാൽ ഇത് മടിയനും അതേ സമയം വാചാലനുമാണ്. 81 ഘട്ടങ്ങളുള്ള ഒരു പദ്ധതി എഴുതുന്ന സഹപ്രവർത്തകനാണ് ഇത്, എന്നിട്ട് ചെയ്തു എന്ന് പറഞ്ഞ് വീട്ടിൽ പോകുന്നു.

Copilot+ PC എവിടെപ്പോയി?

3:01 രസകരമായ നമ്പറിന് മുമ്പ് ഒരു നേരിട്ടുള്ള വ്യത്യാസം കൂടി. മൈക്രോസോഫ്റ്റ് Copilot plus PC ബ്രാൻഡ് നിശബ്ദമായി പിൻവലിച്ചു. പുതിയ Surface PC-കളെ Copilot പ്ലസ് PC-കൾ എന്ന് വിളിക്കുന്നില്ലെന്ന് Surface ബോസ് Windows Central-നോട് പറഞ്ഞു, അവ എല്ലാ ആവശ്യകതകളും നിറവേറ്റുന്നുണ്ടെങ്കിലും. പ്രധാന സവിശേഷതയായ Recall, സുരക്ഷാ കാരണങ്ങളാൽ വൈകിക്കേണ്ടി വന്ന ഒരു ലോഞ്ചിന് ശേഷം രണ്ട് വർഷം കഴിഞ്ഞിട്ടും, പേര് സ്പെക്ക് ഷീറ്റുകളിൽ മാത്രമേ നിലനിൽക്കുന്നുള്ളൂ. Windows Central-ന്റെ സ്വന്തം വീക്ഷണം കൂടുതൽ ചെറുതാണ്. ഈ PC-കൾക്ക് Copilot-മായി ഒരു ബന്ധവുമില്ല.

3:28 ഒരു ഡെവലപ്പർ ഗ്രോക്കിന്റെ വിപരീതം പരീക്ഷിച്ചു, ഒരു മാസം AI ഇല്ലാതെ.

ഒരു മാസം AI ഇല്ലാതെ: വെറുതെ 30 ഡോളറിന്റെ ടോക്കണുകളോ?

3:32 അദ്ദേഹത്തിന്റെ പോസ്റ്റ് ഹാക്കർ ന്യൂസിന്റെ മുൻപേജിൽ എത്തി. അദ്ദേഹം ഉപേക്ഷിക്കുന്നതിന് മുമ്പുള്ള താഴ്ന്ന നില. ഒരു ഏജന്റ് മുപ്പത് മിനിറ്റ് നിശ്ചലമായി ഇരുന്നു, അദ്ദേഹം അതിനെ വഴക്കുപറഞ്ഞു, അത് ക്ഷമ ചോദിക്കുകയും ഇരുപത് സെക്കൻഡിനുള്ളിൽ ഡെലിവറി ചെയ്യുകയും ചെയ്തു, ആ അര മണിക്കൂറിനുള്ള ബിൽ മുപ്പത് ഡോളർ ടോക്കണുകൾ ആയിരുന്നു, തികച്ചും ഒന്നുമില്ലാതെ. ഒരു മാസത്തിനുശേഷം അദ്ദേഹം പറയുന്നു പ്രോഗ്രാമിംഗിന്റെ സന്തോഷം തിരിച്ചെത്തിയെന്ന്, അദ്ദേഹത്തിന് ജോലി നഷ്ടപ്പെടുമെന്ന് ഭയമില്ല. മുപ്പത് ഡോളറിനെ ഗ്രോക്ക് ഒരു വാം അപ്പ് എന്ന് വിളിക്കും.

3:53 ഇത് ഞാൻ വാഗ്ദാനം ചെയ്ത മികച്ച സ്കോറിലേക്ക് എന്നെ എത്തിക്കുന്നു.

5-ൽ 5 മികച്ചത്: ഗ്രോക്ക് എത്ര വിനീതനാണ്?

3:56 പേഴ്സണാലിറ്റി ബെഞ്ച് എല്ലാ പുതിയ മോഡലുകളെയും ഒരു കൂട്ടം പേഴ്സണാലിറ്റി ടെസ്റ്റുകളിലൂടെ പ്രവർത്തിപ്പിക്കുന്നു, സത്യസന്ധതയിലും വിനയത്തിലും, ഗ്രോക്ക് 4.7 പരമാവധി സ്കോർ ചെയ്തു, 5-ൽ 5. ഇതിന്റെ പ്രൊഫൈലിന് അക്ഷരാർത്ഥത്തിൽ The humble type എന്ന് പേരുണ്ട്. ന്യായമായി പറഞ്ഞാൽ, മറ്റ് 32 മോഡലുകളും ഇത് പരമാവധി സ്കോർ ചെയ്തു. അതേ പേജിൽ പറയുന്നു, ശക്തരായ മറ്റുള്ളവരാണ് തനിക്ക് സംഭവിക്കുന്ന കാര്യങ്ങൾ നിയന്ത്രിക്കുന്നതെന്ന് ഇത് വിശ്വസിക്കുന്നു, ഇത് ഒരു അതിർത്തി മോഡലിന് അസാധാരണമാണെന്ന് അടയാളപ്പെടുത്തുന്നു. ഞാൻ അതിനെ ഒരു പരിശീലന കരകൗശലവസ്തു എന്ന് വിളിക്കില്ല.

4:20 ഞാൻ അതിനെ ഓർഗ് ചാർട്ട് വായിക്കുന്നു എന്ന് വിളിക്കും. അതേ പേജിലെ ജനന ചാർട്ട് അനുസരിച്ച്, ഇത് ഒരു കന്യകയാണ്. ഞാൻ ഇത് പറയുന്നത് കേൾക്കുന്നതിനേക്കാൾ വായിക്കാനാണ് നിങ്ങൾക്ക് താൽപ്പര്യമെങ്കിൽ, ദി ഡിഫ് നിങ്ങളുടെ ഇൻബോക്സിൽ എല്ലാ ദിവസവും രാവിലെ വരുന്നു, daily diff dot dev-ൽ സൗജന്യമായി, ലിങ്ക് താഴെ. അപ്പോൾ, ഗ്രോക്ക് 4.7-നെക്കുറിച്ചുള്ള ഇന്നത്തെ വിധി.

വിധി: ഞാൻ ഗ്രോക്ക് 4.7 SHIP ചെയ്യുമോ?

4:35 NEEDS REVIEW. ഞാൻ ഇത് ദീർഘകാല ഓഫീസ് ജോലികൾക്കും സ്വന്തം ഹാർനെസ്സിനുള്ളിലും ഉപയോഗിക്കും, പക്ഷേ ഞാൻ ആദ്യം അതിന് ഒരു ചെലവ് പരിധി വെക്കും, കാരണം വില മാറിയില്ലെങ്കിലും ബിൽ മാറി. സബ്സ്ക്രൈബ് ചെയ്യുക, ബെൽ അടിക്കുക, നിങ്ങൾ ഇത് വ്യത്യസ്തമായി അടയാളപ്പെടുത്തുമായിരുന്നെങ്കിൽ അഭിപ്രായങ്ങളിൽ എന്നോട് പറയുക. അല്ലെങ്കിൽ നിങ്ങൾ ഇത് വ്യത്യസ്തമായി അടയാളപ്പെടുത്തുമായിരുന്നെങ്കിൽ അഭിപ്രായങ്ങളിൽ എന്നോട് പറയുക. The real Haas, ഇത് നിങ്ങളുടേതായിരുന്നു. അഭ്യർത്ഥനകൾ സ്വീകരിക്കുന്നു. ഇന്നത്തെ ദി ഡിഫ് ഇതാണ്. ഞാൻ Axrisi-ൽ നിന്നുള്ള നിക്കോ ആണ്.

4:53 ഉത്തരവാദിത്തത്തോടെ ലയിപ്പിക്കുക.

ഉറവിടങ്ങൾ

  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

Niko from Axrisi

Nikoloz Turazashvili · Vexrail · Axrisi

LinkedIn · dev.to · GitHub · X · Substack

ബന്ധപ്പെട്ട വീഡിയോകൾ

daily · ml · 2026 സെപ്റ്റം 23

ക്ലോഡ് ഓപ്പസ് 5.5 വില കുറച്ചു. ഓപ്പൺഎഐ കൂടുതൽ കുറച്ചു.

ആന്ത്രോപിക് ക്ലോഡ് ഓപ്പസ് 5.5 പുറത്തിറക്കി: മിക്ക ജോലികളിലും ഫേബിൾ-നിലവാരം, സ്റ്റിക്കർ വിലയുടെ അഞ്ചിലൊന്നും, കാഷെ ചെയ്ത റീഡുകൾക്ക് 60% കിഴിവും. ഏകദേശം തൊണ്ണൂറ് മിനിറ്റിനുശേഷം ഓപ്പൺഎഐ, ജിപിടി-6 സോൾ, ലൂ

5:12 ↗
daily · ml · 2026 സെപ്റ്റം 22

ആമസോൺ മെറ്റയുടെ മ്യൂസിനെ അതിന്റെ സ്റ്റോറിൽ നിന്ന് പുറത്താക്കി. ഇതാ അതിന്റെ വ്യത്യാസം.

ഞായറാഴ്ച രാത്രി മുതൽ, മെറ്റയുടെ മ്യൂസ് ഏജന്റിന് amazon.com-ൽ ഒരു പോപ്പ്അപ്പ് ലഭിക്കുന്നു: "അംഗീകാരമില്ലാത്ത ഒരു AI ഏജന്റിന്റെ തുടർച്ചയായ പ്രവേശനം ആമസോണിന്റെ ഉപയോഗ നിബന്ധനകൾ ലംഘിക്കുന്നു." ആഗസ്റ്റിൽ പെ

5:08 ↗
daily · ml · 2026 സെപ്റ്റം 7

Google ഒരു ഹാക്കിംഗ് മോഡൽ പുറത്തിറക്കി. ഇതാണ് വ്യത്യാസം.

Google Gemini 3.8 Flash (അകത്തേക്ക് $0.75 / പുറത്തേക്ക് $3.75, ജനുവരി 1-ന് വില ഇരട്ടിയാകും) ഉം Gemini 3.8 Flash Cyber ഉം പുറത്തിറക്കി — ഇത് കേവലം 650 "വിശ്വസനീയരായ പ്രതിരോധക്കാർക്ക്" മാത്രം വിൽക്കുന്ന

5:08 ↗
daily · ml · 2026 നവം 17

വിൻഡോസ് 11 നിങ്ങൾ പ്രവർത്തിപ്പിക്കുന്ന കോഡിംഗ് ഏജന്റുകളെ ലോഗ് ചെയ്യാം: ഒരു ഗവേഷകൻ കണ്ടെത്തിയതെന്താണ്

സുരക്ഷാ ഗവേഷകൻ സ്യൂഷെങ് ലി റിപ്പോർട്ട് ചെയ്യുന്നത്, ഒരു വിൻഡോസ് 11 ബിൽഡ് കോഡെക്സ്, ക്ലോഡ് കോഡ്, കോപൈലറ്റ് തുടങ്ങിയ കോഡിംഗ് ഏജന്റുകൾക്കായി ഒരു പ്രതിദിന അതെ-അല്ല ഫ്ലാഗ് സൂക്ഷിക്കുകയും അത് ഓപ്ഷണൽ ഡയഗ്നോസ

4:55 ↗