SpaceX je bil v zadnjem času zelo pogosto v središču pozornosti, a to je dolgoval Starlinku in borzni izdaji. Oddelek xAI je bil nekoliko v ozadju, zdaj pa je tudi tam prispel pomemben razvojni dosežek: dokončan je jezikovni model Grok 4.5.
To je doslej najinteligentnejši model podjetja, ki so ga razvili posebej za izstopajočo zmogljivost pri programiranju, agentskih nalogah in delu, ki temelji na znanju. »To je naš doslej najmočnejši model, trenirali pa smo ga v sodelovanju s Cursorjem,« je poudaril SpaceXAI.
Pri učenju modela Grok 4.5 so bili v ospredju programiranje, znanosti, inženirsko znanje in matematika. Trenutno je najpomembnejše področje uporabe programiranje, s katerim je na področju umetne inteligence mogoče ustvariti največ prihodkov in pridobiti najbolje plačujoče stranke. SpaceXAI je izboljšal tudi izvajanje dolgih in kompleksnih agentskih nalog, vzporedno pa je dosegel pomemben napredek tudi pri sposobnostih sklepanja.
V preizkusu SWE-Bench Pro je Grok 4.5 dosegel 64,7 odstotka, medtem ko je GPT-5.5 sposoben le 58,6 odstotka, Gemini 3.5 Flash lahko pokaže 55,1 %, kitajski GLM-5.2 in Claude Sonnet 5 se lahko pohvalita s 62,1 oziroma 63,2 odstotka, precej dražji Opus 4.8 pa je dosegel 69,2 %. V testu SWE-Marathon je Grok 4.5 povsem na prvem mestu in z 29 % precej samozavestno vodi, Opus 4.8 in Fable 5 sta dosegla le 26 oziroma 24 %, GLM-5.2 pa je dosegel zgolj 13-odstotno uspešnost.
V primerjavi z modelom Opus 4.8 lahko Grok 4.5 deluje z manj kot četrtino »žetonske učinkovitosti«. Zmore hitrost 80 TPS, kar je med delom lahko zelo koristno. Zaradi tega bo delo z njim zelo tekoče. V trenutku zna ustvariti kompleksne modele v Excelu, po potrebi pa lahko izdela tudi predstavitev v PowerPointu, pri dokumentih Word pa je lahko izjemno natančen.
Glede modela Grok 4.5 je SpaceXAI razkril tudi nekatere delovne skrivnosti: za učenje modela so v velikanskem podatkovnem centru podjetja zagnali več deset tisoč grafičnih procesorjev Nvidia GB300 . Orodje LLM se je učilo iz izjemno raznolikega gradiva, da bi bile raznolike tudi njegove zmožnosti.
Pred nekaj dnevi smo poročali, da je v zadnjem času veliko ameriških podjetij pristalo pri kitajskih modelih, ker so zaradi skokovitih stroškov iskala največjo učinkovitost. Z vidika tega je Grok 4.5 prišel v pravem trenutku. Ni sicer tako poceni kot kitajski tekmeci, a po razmerju med stroški in zmogljivostjo zna preseči večino rešitev podjetij OpenAI, Google in Anthropic.
Grok 4.5 obdela milijon žetonov za 2 dolarja, ustvarjanje enake količine podatkov pa pomeni 6 dolarjev stroškov. Novost je na voljo v okviru Grok Build in Cursorja ob vseh naročniških paketih, zagotovljen pa je tudi omejen brezplačen dostop. V EU bo treba na model še počakati, tudi dostop prek API-ja bo prispel pozneje.
