Grok 4 — новая мощная модель от xAI

📊 Лидер на бенчмарках:

– Решает математику AIME25 на 100% — не ошиблась ни в одной из самых сложных задач

– ARC-AGI-2: 15.9% против 8.6% у прошлых лидеров — почти в два раза выше, чем у Claude 4 Opus.

🧠 Главное достижение — Humanity’s Last Exam:

– С максимальными ресурсами и включённой поддержкой внешних инструментов  — 44.4% (а на текстовой части даже 50.7%).

– Даже без внешних инструментов — всё ещё лучше всех: 25.4%, у ближайшего конкурента (Gemini 2.5 Pro) — 21.6%.

– Почти половина презентации была посвящена именно этому тесту.

🛠 Что под капотом:

– Архитектура — та же, что у Grok 3.

– Изначально это должна была быть версия Grok 3.5, но решили увеличить объём обучения.

– На стадию логического обучения (reasoning) потратили в 10 раз больше ресурсов.

– Теперь объём дообучения через RL (reinforcement learning) сопоставим с основным обучением.

– Важно: теперь модель сразу обучают использовать внешние инструменты во время RL, как это делают в OpenAI (в o3 и o4-mini).

📉 Слабые места:

– Мультимодальность пока на слабом уровне: большинство тестов — чисто текстовые, и на HLE модель показывает просадку.

– Маск пообещал, что в следующей версии это исправят.

📏 Контекст увеличили до 256k токенов.

💬 API уже запущен:

– Стоимость — как у Grok 3 и Claude Sonnet.

– Но из-за “разговорчивости” на практике модель по цене ближе к Claude Opus.

– Grok 4 Mini не выпустили — жаль, ведь Grok 3 Mini была отличной за свою цену.

🏭 Инфраструктура xAI растёт стремительно:

– Через 3–4 недели стартует тренировка видеомодели на 100k+ GPU GB200.

– В июне компания привлекла $10 млрд: половина — инвестиции, половина — в долг.

– В планах — новое расширение дата-центра Colossus.

📌 Grok 4 — это не просто обновление, а важный шаг вперёд в развитии reasoning-моделей и интеграции с внешними возможностями.

Тестим здесь.