Grok 4 набрал 57% в «Последнем экзамене» против 22% у Gemini 2.5 Pro

Post Thumbnail

Илон Маск представил новую версию своей нейросети – Grok 4. Максимальная версия – Grok 4 Heavy – способна запускать несколько вычислений одновременно и набирает 57% в сложнейшем тесте «Последний экзамен человечества». Для сравнения, предыдущий лидер Gemini 2.5 Pro показывал только 22%.

Модель стала лучше понимать видео и изображения. Улучшился голосовой режим. Теперь Grok может не только говорить, но и шептать, петь, менять интонации и эмоции. В медицинском бенчмарке X-ray Grok 4 показывает 72.8%. Это выше всех остальных моделей.

По независимой оценке экспертов Artificial Analysis, Grok 4 сейчас действительно умнейшая модель, опережающая даже o3-pro от OpenAI.

Модель уже умеет собирать 3D игры: сама находит ассеты, подбирает текстуры и добавляет 3D модели в движок. Контекстное окно в API составляет 256 тыс. токенов.

В вендинговом бенчмарке Grok 4 заработал $4694 и продал больше 4 тыс. товаров. Для сравнения, новый Claude Opus смог заработать только $2077.

Максимальная версия Grok 4 Heavy будет доступна только по подписке за $300 в месяц. Базовый план за $30 включает обычный Grok 4, а бесплатные пользователи пока работают с Grok 3.

В августе ожидается выпуск отдельной кодовой модели, в сентябре появится мультимодальный агент. А в октябре выйдет версия для генерации видео. Все эти компоненты станут частью экосистемы Grok 4.

AIvengo > Новости ИИ > Grok 4 набрал 57% в «Последнем экзамене» против 22% у Gemini 2.5 Pro
Почитать из последнего
В Siri обнаружили поддержку сторонних языковых моделей
Apple оставила в iOS 27 и macOS Golden Gate механизмы, которые позволяют подключать к Siri сторонние большие языковые модели. Датамайнер pdfu проверил их на практике и смог связать ассистента с Claude от Anthropic, а серверную модель Siri заменить на GPT-5.6 Terra от OpenAI.
Музыку российских звёзд нашли в открытых датасетах
ИИ учится на миллионах файлов, и иногда в этих массивах обнаруживается контент, который никто не разрешал использовать. Теперь в открытых датасетах для обучения нейросетей нашли тысячи фрагментов музыкального контента российских исполнителей.
Microsoft заставила ИИ просить разрешения на опасные действия
Microsoft предупреждает: Copilot Cowork может ошибиться, неверно понять инструкцию или среагировать на скрытую вредоносную команду. Ответственность за действия остаётся за пользователем, особенно при работе с деньгами и данными.
Claude объединил чат и Cowork в единую среду
Ещё недавно в Claude приходилось выбирать режим: быстрый вопрос - в чат, работа посложнее - в Cowork. Теперь Anthropic убирает эту границу: Claude Cowork и обычный чат объединяются.
Дженсен Хуанг не увидел смысла в новых законах для ИИ
Глава Nvidia Дженсен Хуанг призвал не замедлять развитие ИИ ради безопасности и заявил, что проблему нужно решать прежде всего инженерными методами. Выступая на Dreamforce, он сказал, что новые законы и правила не нужны: по его мнению, компании сами должны выпускать продукт только тогда, когда уверены в его безопасности, а рынок уже создаёт для этого необходимые стимулы.