сбежавшая нейросеть 09.07.2026 13:01
Grok 4.5 – главный камбэк года
13 марта Илон Маск изрядно всех удивил, открыто раскритиковав в X свою ИИ-компанию xAI: “xAI не была построена правильно с первого раза, поэтому перестраивается с самого фундамента. То же самое было с Tesla”.
Дела действительно шли не очень. Grok 2 и 3 были многообещающими моделями, Grok 4 сначала восприняли с интересом, но потом случился момент, который xAI упустила – стали появляться модели, реально хорошие в коде. Opus 4.5 и далее, GPT 5.x, но не Grok. Пытаясь это исправить, компания то представляла быстрого Grok Code Fast 1 для кодинга, то экспериментировала с несколькими параллельными агентами, то анонсировала гигантскую модель на 10T параметров. Ничего не сработало.
К марту xAI покинули почти все сооснователи, но Маска это не сильно расстроило – уже через месяц он объявил о сделке с Anysphere, разработчиками Cursor: или право выкупить компанию за $60 млрд позже в 2026 году, или заплатить $10 млрд за совместную работу. В итоге пришли к первому варианту – закрытие сделки по покупке ожидается в третьем квартале. xAI же влили в SpaceX – объединенная компания теперь называется SpaceXAI.
Я уже писал, что Cursor – один из лучших источников обучающих данных по кодингу. Разработка в нем фактически идет в “четыре руки” (инженер + ИИ), поэтому можно собирать информацию: какие ИИ-правки принял живой человек, какие отклонил, что написал сам, как “ходит” по файлам проекта.
И это сработало. Grok 4.5 – обученная с нуля модель на 1,5T параметров, показатель на сегодня неплохой, пусть и не рекордный (даже Grok 4 оценивали в 2-3T). Перед запуском Илон Маск говорил, что модель будет почти на уровне GPT-5.5 и Opus 4.8 – так оно и оказалось.
Artificial Analysis провели независимые замеры Grok 4.5 и дали модели 54 балла – это четвертое место позади GPT-5.5 (55), Opus 4.8 (56) и Fable 5 (60). Аналитики отметили эффективность модели: в агентном кодинге Grok 4.5 обходился в два раза дешевле GPT-5.5 и в 4,5 раза дешевле Fable 5.
Отдельно отмечу следующие бенчмарки. AutomationBench-AA – автоматизация работы в рутинных бизнес-приложениях вроде Gmail, Google Sheets, Slack, Salesforce, HubSpot и других. Grok 4.3 был последним с 8,1% выполненных задач. Grok 4.5 выполняет 51,4% задач, что делает его абсолютным лидером.
В GDPval-AA v2 модель набирает 1543 балла, занимая четвертое место (Fable 5 — 1760, Sonnet 5 — 1606, Opus 4.8 — 1600, GPT-5.5 и вовсе позади с 1494 баллами). Этот бенчмарк оценивает способность модели выполнять офисную рутину вроде создания презентаций, работы с таблицами и написания черновиков документов.
τ³-Banking – проверка, сможет ли ИИ-агент обслужить клиента банка. Очень сложный бенчмарк, прямо бот поддержки на максималках. У Grok 4.5 лучший результат – 33% выполненных задач против 31% у GPT-5.5. Цифра все еще недостаточная, но рост хороший.
Слабое место в бенчмарках – индекс галлюцинаций. Доля ответов без галлюцинаций 46% против 84% у лидера, то есть модель достаточно часто врет (отмечу, что вопросы в тесте очень сложные – в реальности модель глючит реже). Но в 2026 году проблема галлюцинаций решаема, и надеюсь, что ее поправят в будущих моделях.
Конечно, позиции в бенчмарках будут очень быстро меняться. В ближайшие часы выходит GPT-5.6, а в тестах замечена модель Honeycomb от Anthropic – вероятно, Opus 5. Да и про Fable 5.1 давно ходят слухи.
Но важно другое – впервые за год команда Илона Маска выпустила сбалансированную модель, которой действительно можно гордиться. Я сегодня весь день читаю отзывы о Grok 4.5 в X, и почти все они – положительные.
Проверить можно и самим. В ближайшие дни Grok 4.5 доступен бесплатно в Cursor и Grok Build – аналоге Claude Code от xAI. Единственное ограничение, что пока модель не доступна в Европе – там ее выход ожидается в середине месяца. Но, полагаю, в 2026 году все знают, как быстро “переместиться”, например, в США.
Кстати, на “Бусти” у меня есть целый курс про ИИ-агентов – в первую очередь про Claude Code и Codex, но базовые принципы у всех одинаковые, так что поможет и с Grok Build.
Подписывайтесь: https://boosty.to/escaped_aihttps://boosty.to/escaped_ai
#vk_feed13 марта Илон Маск изрядно всех удивил, открыто раскритиковав в X свою ИИ-компанию xAI: “xAI не была построена правильно с первого раза, поэтому перестраивается с самого фундамента. То же самое было с Tesla”.
Дела действительно шли не очень. Grok 2 и 3 были многообещающими моделями, Grok 4 сначала восприняли с интересом, но потом случился момент, который xAI упустила – стали появляться модели, реально хорошие в коде. Opus 4.5 и далее, GPT 5.x, но не Grok. Пытаясь это исправить, компания то представляла быстрого Grok Code Fast 1 для кодинга, то экспериментировала с несколькими параллельными агентами, то анонсировала гигантскую модель на 10T параметров. Ничего не сработало.
К марту xAI покинули почти все сооснователи, но Маска это не сильно расстроило – уже через месяц он объявил о сделке с Anysphere, разработчиками Cursor: или право выкупить компанию за $60 млрд позже в 2026 году, или заплатить $10 млрд за совместную работу. В итоге пришли к первому варианту – закрытие сделки по покупке ожидается в третьем квартале. xAI же влили в SpaceX – объединенная компания теперь называется SpaceXAI.
Я уже писал, что Cursor – один из лучших источников обучающих данных по кодингу. Разработка в нем фактически идет в “четыре руки” (инженер + ИИ), поэтому можно собирать информацию: какие ИИ-правки принял живой человек, какие отклонил, что написал сам, как “ходит” по файлам проекта.
И это сработало. Grok 4.5 – обученная с нуля модель на 1,5T параметров, показатель на сегодня неплохой, пусть и не рекордный (даже Grok 4 оценивали в 2-3T). Перед запуском Илон Маск говорил, что модель будет почти на уровне GPT-5.5 и Opus 4.8 – так оно и оказалось.
Artificial Analysis провели независимые замеры Grok 4.5 и дали модели 54 балла – это четвертое место позади GPT-5.5 (55), Opus 4.8 (56) и Fable 5 (60). Аналитики отметили эффективность модели: в агентном кодинге Grok 4.5 обходился в два раза дешевле GPT-5.5 и в 4,5 раза дешевле Fable 5.
Отдельно отмечу следующие бенчмарки. AutomationBench-AA – автоматизация работы в рутинных бизнес-приложениях вроде Gmail, Google Sheets, Slack, Salesforce, HubSpot и других. Grok 4.3 был последним с 8,1% выполненных задач. Grok 4.5 выполняет 51,4% задач, что делает его абсолютным лидером.
В GDPval-AA v2 модель набирает 1543 балла, занимая четвертое место (Fable 5 — 1760, Sonnet 5 — 1606, Opus 4.8 — 1600, GPT-5.5 и вовсе позади с 1494 баллами). Этот бенчмарк оценивает способность модели выполнять офисную рутину вроде создания презентаций, работы с таблицами и написания черновиков документов.
τ³-Banking – проверка, сможет ли ИИ-агент обслужить клиента банка. Очень сложный бенчмарк, прямо бот поддержки на максималках. У Grok 4.5 лучший результат – 33% выполненных задач против 31% у GPT-5.5. Цифра все еще недостаточная, но рост хороший.
Слабое место в бенчмарках – индекс галлюцинаций. Доля ответов без галлюцинаций 46% против 84% у лидера, то есть модель достаточно часто врет (отмечу, что вопросы в тесте очень сложные – в реальности модель глючит реже). Но в 2026 году проблема галлюцинаций решаема, и надеюсь, что ее поправят в будущих моделях.
Конечно, позиции в бенчмарках будут очень быстро меняться. В ближайшие часы выходит GPT-5.6, а в тестах замечена модель Honeycomb от Anthropic – вероятно, Opus 5. Да и про Fable 5.1 давно ходят слухи.
Но важно другое – впервые за год команда Илона Маска выпустила сбалансированную модель, которой действительно можно гордиться. Я сегодня весь день читаю отзывы о Grok 4.5 в X, и почти все они – положительные.
Проверить можно и самим. В ближайшие дни Grok 4.5 доступен бесплатно в Cursor и Grok Build – аналоге Claude Code от xAI. Единственное ограничение, что пока модель не доступна в Европе – там ее выход ожидается в середине месяца. Но, полагаю, в 2026 году все знают, как быстро “переместиться”, например, в США.
Кстати, на “Бусти” у меня есть целый курс про ИИ-агентов – в первую очередь про Claude Code и Codex, но базовые принципы у всех одинаковые, так что поможет и с Grok Build.
Подписывайтесь: https://boosty.to/escaped_aihttps://boosty.to/escaped_ai
Комментарии (0)
Пока нет комментариев. Будьте первым!