Grok 4.7 kushton njësoj, por faturon dyfish

Çfarë mbulon kjo video

• Çmim i njëjtë, faturë dyfish?
• Pse 2 $ / 6 $ tani kushton 3.74 $ për detyrë?
• Dy herë më i shpejtë? Ora tregon 57 shenja në sekondë
• Përtac apo punëtor? 81,000 shenja për detyrë
• Ku shkoi Copilot+ PC?

Transkript i përkthyer

Përkthyer nga tregimi origjinal në anglisht. Audio dhe titrat e disponueshme kontrollohen nga YouTube.

Çmim i njëjtë, faturë dyfish?

0:00 Do të mendonit se i njëjti çmim do të thoshte e njëjta faturë. Të hënën ju thashë se Grok katër pikë shtatë kushton saktësisht sa Grok katër pikë gjashtë. Për shenjë, ashtu është. Për detyrë, kushton dyfish. Në këtë video, tre pyetje. Pse i njëjti çmim kushton dyfish? A është vërtet dy herë më i shpejtë, siç thotë postimi i lançimit? Dhe a është modeli më dembel, apo më punëtor?

0:20 Gjithashtu, kjo është me kërkesë. The real Haas pyeti nën videon e së premtes, a mund të bëni një video për Grok katër pikë shtatë, dy pika D. Ne u përgjigjëm, shumë lehtë, më vonë sot. Në kohën kur e shikoni këtë, është ndoshta nesër, kështu që ne e dërguam me vonesë. Relaksohuni, ashtu bëri edhe Grok, rreth dy javë me vonesë, nëse i besoni Hacker News. Dhe një test i dha Grok një notë perfekte pesë nga pesë. Është numri im i preferuar i javës, dhe do ta them në fund.

0:44 Është e shtunë, 26 shtator, dhe kjo është The Daily Diff.

Pse 2 $ / 6 $ tani kushton 3.74 $ për detyrë?

0:48 Ja trucmja. Çmimi për shenjë nuk lëvizi, dy dollarë hyrje dhe gjashtë dalje, për milion. Ajo që lëvizi është sa flet. Artificial Analysis ekzekutoi të gjithë suitën e saj të testit, dhe Grok katër pikë shtatë shkroi rreth dyqind e dyzet milionë shenja. Kjo është dy e gjysmë herë më shumë se paraardhësi i tij, dhe pothuajse tre herë një model tipik. Kështu që kostoja mesatare për detyrë shkoi nga rreth një dollarë e tetëdhjetë e gjashtë në tre

1:10 shtatëdhjetë e katër. I njëjti çmim, faturë dyfish. Është një taksi me të njëjtën tarifë për milje që merr rrugën panoramike nëpër dy qytete të tjera. Hacker News e vuri re në orën e parë. Fijet më të mëdha nën lançim thonë dyzet për qind më shumë pesha, i njëjti çmim, dhe pothuajse dy javë me vonesë, kështu që xAI nuk mund t'i ketë pëlqyer rezultatet. Një komentues tjetër pyeti për tabelën lart, e cila krahasohet me GPT pesë pikë gjashtë dhe qetësisht lë jashtë Astrën. Kjo, shkroi ai, nuk mund të ketë qenë një mbikëqyrje.

1:39 Tani, postimi i lançimit.

Dy herë më i shpejtë? Ora tregon 57 shenja në sekondë

1:41 Titulli thotë dy herë më i shpejtë, me gjysmën e çmimit të modeleve të krahasueshme. Pak rreshta më poshtë, thotë ofruar me të njëjtin çmim dhe shpejtësi si Grok katër pikë gjashtë. Pra, është dy herë më i shpejtë se modeli i dikujt tjetër. Artificial Analysis e regjistroi atë rreth pesëdhjetë e shtatë shenja në sekondë, më i ngadalshëm se Grok i vjetër, dhe e përmblodhi me dy fjalë. Duket i ngadalshëm. Ndërkohë, llogaria e vetë xAI, e cila tani shkon me SpaceX AI, postoi versionin më të qetë. Një përmirësim i dukshëm mbi Grok katër pikë gjashtë, me të njëjtin çmim dhe shpejtësi.

2:12 Njëzet e tetë mijë pëlqime. Pra, cicërimi dhe titulli i blogut nuk pajtohen, dhe për një herë cicërimi është ai i kujdesshëm. Që na çon te pjesa më e çuditshme.

Përtac apo punëtor? 81,000 shenja për detyrë

2:20 Artificial Analysis thotë se punon më shumë se Grok i fundit, rreth tetëdhjetë e një mijë shenja dalëse për detyrë, më shumë se dyfishi i të fundit. Dhe në punë zyre të gjata dhe në mjetin e vet të kodimit, vërtet u përmirësua. Është i katërti ndër agjentët e kodimit tani, pas dy Claudes dhe GPT gjashtë Astra, dhe kjo e vendos xAI në katër laboratorët kryesorë. Njerëzit që e përdorin e përshkruajnë një model tjetër. Një komentues i Hacker News thotë se Grok i përfundon detyrat pothuajse menjëherë dhe pretendon

2:46 e ka bërë, dhe e quan më dembelin nga të gjithë. Një tjetër e pa atë duke bërë cikël në modalitetin e të menduarit, nga rregullimi një deri te rregullimi tetëdhjetë e një. Pra, është dembel dhe i hollësishëm në të njëjtën kohë. Është kolegu që shkruan një plan me tetëdhjetë e një hapa, pastaj thotë e bërë dhe shkon në shtëpi.

Ku shkoi Copilot+ PC?

3:01 Një ndryshim tjetër i drejtpërdrejtë para numrit argëtues. Microsoft ka hequr qetësisht markën Copilot plus PC. Shefi i Surface i tha Windows Central se PC-të e reja Surface nuk quhen Copilot plus PC, edhe pse plotësojnë çdo kërkesë. Dy vjet pas një lançimi ku veçoria kryesore, Recall, duhet të shtyhej për siguri, emri jeton vetëm në fletët e specifikimeve. Marrja e vetë Windows Central është më e shkurtër. Këta PC nuk kanë asnjë lidhje me Copilot.

3:28 Dhe një zhvillues provoi të kundërtën e Grok, një muaj me zero AI.

Një muaj me zero AI: 30 dollarë shenja për asgjë?

3:32 Postimi i tij arriti në faqen e parë të Hacker News. Pika më e ulët para se të hiqte dorë. Një agjent mbeti i bllokuar për tridhjetë minuta, ai i tha, ai kërkoi falje dhe e dorëzoi në njëzet sekonda, dhe fatura për atë gjysmë ore ishte tridhjetë dollarë shenja për absolutisht asgjë. Një muaj më vonë ai thotë se gëzimi i programimit është kthyer, dhe ai nuk ka frikë se mos pushkohet nga puna. Grok do t'i quante tridhjetë dollarë një nxehje.

3:53 Që më sjell te rezultati perfekt që premtova.

5 nga 5 perfekte: sa i përulur është Grok?

3:56 Personality Bench kalon çdo model të ri nëpër një sërë testesh personaliteti, dhe në ndershmëri dhe përulësi, Grok katër pikë shtatë arriti maksimumin, pesë nga pesë. Profili i tij fjalë për fjalë quhet tipi i përulur. Për të qenë të drejtë, tridhjetë e dy modele të tjera gjithashtu e arritën maksimumin. E njëjta faqe thotë se beson se të tjerët të fuqishëm kontrollojnë atë që i ndodh, dhe e shënon këtë si të pazakontë për një model kufi. Nuk do ta quaja atë një artefakt trajnimi.

4:20 Do ta quaja leximin e organogramit. Dhe sipas hartës së lindjes në të njëjtën faqe, është një Virgjëreshë. Nëse preferoni ta lexoni këtë sesa të më dëgjoni duke e thënë, the diff vjen në kutinë tuaj hyrëse çdo mëngjes, falas në the daily diff dot dev, linku më poshtë. Pra, vendimi i sotëm për Grok katër pikë shtatë.

Vendimi: a do ta SHIP IT Grok 4.7?

4:35 NEEDS REVIEW. Do ta përdorja për punë zyre të gjata dhe brenda mjetit të vet, por do t'i vendosja një kufi shpenzimesh së pari, sepse çmimi nuk ndryshoi dhe fatura ndryshoi. Abonohuni, goditni zilen, dhe më thoni në komente nëse do ta kishit vulëosur ndryshe. Dhe the real Haas, ky ishte juaji. Kërkesat janë të hapura. Dhe ky është the diff për sot. Unë jam Niko nga Axrisi.

4:53 Bashkoni me përgjegjësi.

Burimet

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