+− THE DAILY DIFFdev & AI news
NEEDS REVIEW

Grok 4.7 stane enako, a zaračuna dvakrat več

Grok 4.7 stane natanko toliko kot Grok 4.6 na žeton, 2 $ za vhod in 6 $ za izhod.

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

Grok 4.7 stane natanko toliko kot Grok 4.6 na žeton, 2 $ za vhod in 6 $ za izhod. Zakaj se je torej neodvisni račun za nalogo podvojil in ali je res "dvakrat hitrejši"? Nadaljevanje teden dni pozneje. Zahteval @therealhaas. Sodba: NEEDS REVIEW.

Preberi pisno izdajo (angleščina) ↗

Kaj zajema ta videoposnetek

  • Enaka cena, dvojni račun?
  • Zakaj 2 $ / 6 $ zdaj stane 3,74 $ na nalogo?
  • Dvakrat hitrejši? Ura kaže 57 žetonov na sekundo
  • Len ali delaven? 81.000 žetonov na nalogo
  • Kam je šel Copilot+ PC?

Vprašanja in odgovori

Zakaj je model umetne inteligence z enako ceno na žeton dražji na nalogo?

Model lahko napiše veliko več žetonov za isto delo, zato se račun poveča, čeprav stopnja ostane nespremenjena. Grok 4.7 je obdržal ceno Groka 4.6, to je 2 USD za vhod in 6 USD za izhod na milijon žetonov, vendar je Artificial Analysis ugotovil, da je napisal približno dvesto štirideset milijonov žetonov v celotni testni zbirki. Povprečni stroški na nalogo so se povečali iz približno enega dolarja in šestinosemdeset centov na 3,74 USD.

Glej ta del 0:48 · artificialanalysis.ai · artificialanalysis.ai · artificialanalysis.ai

Ali je Grok 4.7 res dvakrat hitrejši od drugih modelov?

Naslov ob zagonu je navajal, da je dvakrat hitrejši po polovični ceni primerljivih modelov, vendar je nekaj vrstic kasneje v objavi pisalo, da je bil na voljo po enaki ceni in hitrosti kot Grok 4.6. Artificial Analysis je izmeril njegovo hitrost pri približno 57 žetonih na sekundo, kar je počasneje od starega Groka, in ga označil za izrazito počasnega. Lastni tvit SpaceX AI je uporabil mirnejšo formulacijo.

Glej ta del 1:40 · web.archive.org · x.com · artificialanalysis.ai

Ali Grok 4.7 dela bolj ali je len pri kodirnih nalogah?

Oba podatka se pojavljata v dokazih. Artificial Analysis pravi, da je proizvedel približno 81.000 izhodnih žetonov na nalogo, kar je več kot dvakrat toliko kot zadnji Grok, in se je izboljšal pri dolgih pisarniških delih in v lastnem kodirnem orodju, kjer se je uvrstil na četrto mesto med kodirnimi agenti. Komentatorji na Hacker News so dejali, da lahko skoraj takoj konča naloge in trdi, da je končal, medtem ko ga je drug opazoval, kako se je vrtel v načinu razmišljanja.

Glej ta del 2:19 · artificialanalysis.ai · news.ycombinator.com

Kaj se je zgodilo z blagovno znamko Copilot+ PC?

Microsoft je tiho umaknil ime. Vodja Surface je za Windows Central povedal, da se novi Surface računalniki ne imenujejo Copilot plus PC-ji, čeprav izpolnjujejo vse zahteve. Ime zdaj živi samo na tehničnih listih, dve leti po lansiranju, katerega glavna značilnost, Recall, je morala biti preložena zaradi varnosti.

Glej ta del 3:01 · www.windowscentral.com · news.ycombinator.com

Ali naj razvijalci sprejmejo Grok 4.7 glede na stroške na nalogo?

Presoja The Daily Diff je bila NEEDS REVIEW. Epizoda bi ga uporabila za dolgo pisarniško delo in znotraj lastnega orodja, vendar s predhodno omejitvijo porabe, saj se cena na žeton ni spremenila, račun pa se je. Artificial Analysis je ugotovil, da se je izboljšal pri teh nalogah, vendar pa njegov obseg žetonov in počasna hitrost zvišujeta stroške.

Glej ta del 4:33 · artificialanalysis.ai · artificialanalysis.ai

Preveden prepis

Prevedeno iz izvirnega angleškega pripovedovanja. Razpoložljivi zvok in podnapisi so nadzorovani s strani YouTuba.

Enaka cena, dvojni račun?

0:00 Mislili bi, da enaka cena pomeni enak račun. V ponedeljek sem vam povedal, da Grok 4.7 stane natanko toliko kot Grok 4. 6. Na žeton je tako. Na nalogo pa stane dvakrat več. V tem videu so tri vprašanja. Zakaj enaka cena stane dvakrat več? Ali je res dvakrat hitrejši, kot piše v objavi ob lansiranju? In ali je to najbolj len model ali najbolj delaven?

0:20 Tudi ta je na zahtevo. The real Haas je pod petkovim videom vprašal, ali lahko narediš video o Groku 4. 7, :D. Odgovorili smo, enostavno, še danes. Ko boste to gledali, bo verjetno jutri, tako da smo bili pozni. Sprosti se, tudi Grok je bil, približno dva tedna pozneje, če verjamete Hacker News. In en test je Groku dal popolnih pet od pet. To je moja najljubša številka v tednu, in do nje bom prišel na koncu.

0:44 Je sobota, 26. september, in to je The Daily Diff.

Zakaj 2 $ / 6 $ zdaj stane 3,74 $ na nalogo?

0:48 Tukaj je trik. Cena na žeton se ni spremenila, dva dolarja noter in šest ven, na milijon. Kar se je premaknilo, je, koliko govori. Artificial Analysis je izvedel celoten nabor testov, in Grok 4.7 je napisal približno dvesto štirideset milijonov žetonov. To je dvainpolkratnik njegovega predhodnika in skoraj trikratnik tipičnega modela. Tako je povprečni strošek na nalogo narasel iz približno dolarja in osemdeset šestih na tri

1:10 sedemdeset štiri. Enaka cena, dvojni račun. To je taksi z enako ceno na miljo, ki gre po slikoviti poti skozi dve drugi mesti. Hacker News je to opazil v prvi uri. Največja nit pod lansiranjem pravi štirideset odstotkov več uteži, enaka cena in skoraj dva tedna pozneje, tako da xAI ne more biti navdušen nad rezultati. Drug komentator je vprašal o grafikonu na vrhu, ki primerja z GPT 5.6 in tiho izpusti Astro. To, je zapisal, ne more biti spregled.

1:39 Zdaj, objava ob lansiranju.

Dvakrat hitrejši? Ura kaže 57 žetonov na sekundo

1:41 Naslov pravi dvakrat hitrejši, za polovico cene primerljivih modelov. Nekaj vrstic nižje piše, da je ponujen po enaki ceni in hitrosti kot Grok 4. 6. Torej je dvakrat hitrejši kot model nekoga drugega. Artificial Analysis ga je izmeril na približno sedeminpetdeset žetonov na sekundo, počasneje kot stari Grok, in povzel v dveh besedah. Izrazito počasen. Medtem pa je xAI-jev lastni račun, ki se zdaj imenuje SpaceX AI, objavil mirnejšo različico. Opazna izboljšava glede na Grok 4.6, po enaki ceni in hitrosti.

2:12 Osemindvajset tisoč všečkov. Tako se tvit in naslov bloga ne ujemata, in zaenkrat je tvit previden. Kar nas pripelje do najčudnejšega dela.

Len ali delaven? 81.000 žetonov na nalogo

2:20 Artificial Analysis pravi, da dela bolj trdo kot prejšnji Grok, približno enainosemdeset tisoč izhodnih žetonov na nalogo, več kot dvakratnik prejšnjega. In pri dolgih pisarniških delih ter v svojem lastnem kodirnem okolju, se je resnično izboljšal. Zdaj je četrti med kodirnimi agenti, za dvema Claudeoma in GPT 6 Astro, in to postavlja xAI med prve štiri laboratorije. Ljudje, ki ga uporabljajo, opisujejo drugačen model. Eden od komentatorjev Hacker News pravi, da Grok naloge skoraj takoj konča in trdi

2:46 opravljeno, in ga imenuje najlenjšega od vseh. Drugi ga je gledal, kako se je vrtel v načinu razmišljanja, od popravka ena vse do popravka enainosemdeset. Torej je len in zgovoren hkrati. Je sodelavec, ki napiše načrt v enainosemdesetih korakih, nato reče, da je končal, in gre domov.

Kam je šel Copilot+ PC?

3:01 Še ena neposredna razlika pred zabavno številko. Microsoft je tiho umaknil blagovno znamko Copilot+ PC. Šef Surface je za Windows Central povedal, da se novi Surface računalniki ne imenujejo Copilot plus PC-ji, čeprav izpolnjujejo vse zahteve. Dve leti po lansiranju, katerega glavna značilnost, Recall, je bila zaradi varnosti preložena, ime živi le na specifikacijah. Lastni pogled Windows Central je krajši. Ti računalniki nimajo nič skupnega s Copilotom.

3:28 In en razvijalec je poskusil nasprotje Groka, mesec dni z ničelno umetno inteligenco.

Mesec z ničelno umetno inteligenco: 30 $ žetonov za nič?

3:32 Njegova objava je prišla na naslovnico Hacker News. Nizka točka, preden je odnehal. Agent je bil ustavljen trideset minut, on mu je povedal svoje, se je opravičil in dostavil v dvajsetih sekundah, in račun za tisto pol ure je bil trideset dolarjev žetonov za popolnoma nič. Mesec dni pozneje pravi, da se je veselje do programiranja vrnilo, in ga ni strah, da bi bil odpuščen. Grok bi trideset dolarjev označil kot ogrevanje.

3:53 Kar me pripelje do popolnega rezultata, ki sem ga obljubil.

Popolnih 5 od 5: kako ponižen je Grok?

3:56 Personality Bench preizkusi vsak nov model s kupom osebnostnih testov, in na poštenosti in ponižnosti je Grok 4.7 dosegel maksimum, pet od pet. Njegov profil se dobesedno imenuje skromni tip. Pošteno povedano, tudi dvaintrideset drugih modelov je doseglo maksimum. Ista stran pravi, da verjame, da močni drugi nadzorujejo, kaj se mu zgodi, in to označi kot nenavadno za mejni model. Tega ne bi imenoval artefakt usposabljanja.

4:20 Jaz bi to imenoval branje organizacijske sheme. In glede na rojstno karto na isti strani, je devica. Če bi to raje prebrali kot slišali od mene, The Daily Diff pristane v vašem nabiralniku vsako jutro, brezplačno na thedailydiff.dev, povezava spodaj. Torej, današnja sodba o Groku 4.7.

Sodba: bi SHIP IT Grok 4.7?

4:35 NEEDS REVIEW. Uporabil bi ga za dolga pisarniška dela in v njegovem lastnem okolju, vendar bi mu najprej postavil omejitev porabe, ker se cena ni spremenila, račun pa se je. Naročite se, pritisnite zvonec in mi v komentarjih povejte, če bi ga žigosali drugače. In the real Haas, to je bilo tvoje. Zahteve so odprte. In to je diff za danes. Sem Niko iz Axrisi.

4:53 Združujte odgovorno.

Viri

  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

Povezani videoposnetki