Вийшов Grok 4.7: значний приріст у Terminal-Bench та CursorBench
xAI випустила Grok 4.7 із подвоєнням показників у Terminal-Bench та перевагою над GPT-5.6 Sol у CursorBench без зміни ціни.
Компанія xAI представила нову версію своєї мовної моделі — Grok 4.7. Ключовим досягненням став стрибок у тесті Terminal-Bench, де результат зріс із 20,3% до 38%.
У бенчмарку CursorBench модель також демонструє перевагу над конкурентом GPT-5.6 Sol, показавши результат 46,3% проти 41,7%.
Важливо, що цінова політика залишилася незмінною: вартість за токени відповідає рівню попередньої версії, Grok 4.6.
Попри суттєвий прогрес, Grok 4.7 поки не досягає рівня Fable 5.1 в обох зазначених тестах, однак отриманий приріст можна вважати значним кроком вперед.
Деталі анонсу доступні на офіційному сайті: x.ai/news/grok-4-7
Чому це важливо
АналітикаGrok 4.7 пропонує подвоєну продуктивність у агентних завданнях без підвищення вартості, що робить його сильним конкурентом у сегменті кодування та автоматизації.
Обговорити новину у спільноті
Діліться своїм досвідом та думками з ШІ-розробниками
Пов'язані матеріали екосистеми
Практичні гайди, термінологія та агентські скіли
Бенчмарки для агентів: GAIA та SWE-bench
Нове покоління суворих практичних бенчмарків для оцінки автономності штучного інтелекту. GAIA тестує мультимодальні завдання у відкритому вебі з файлами та браузером, а SWE-bench перевіряє здатність агентів знаходити та виправляти справжні баги у великих репозиторіях GitHub.
Agent Evals & SWE-bench Benchmarking
Методологія та інфраструктура систематичного вимірювання надійності, точності та безпеки ШІ-агентів за допомогою синтетичних тестів, SWE-bench та headless репозиторних симуляцій.
Частина I. Архітектура ШІ-агентів: фундаментальні блоки
Десять фундаментальних блоків сучасного агента: таксономія моделей, рантайм-петля, техніки промптингу, дистиляція, навички (skills), пам'ять, function calling та юніт-економіка.
Частина II. Архітектура ШІ-агентів: від моделі до пам'яті та інструментів
Глибоке інженерне занурення: токенізація, KV-кеш, детермінізм семплінгу, тренувальний стек, квантування, контекстна інженерія, стек безпеки, виробничий RAG, ReAct та мультиагентні swarm-системи.