xAI udostępnia Grok 4.7: wzrost wydajności przy zachowaniu ceny i prędkości
xAI wprowadziło na rynek model Grok 4.7, oferujący zauważalne usprawnienia bez zmian w cenie czy szybkości generowania. Jednocześnie trwają zaawansowane prace nad wersją Grok 4.8 z parametrami rzędu 2,5 biliona.
Firma xAI oficjalnie udostępniła nową wersję swojego dużego modelu językowego – Grok 4.7.
Z dostępnych informacji wynika, że aktualizacja przynosi wyraźny skok wydajności, przy jednoczesnym zachowaniu dotychczasowego poziomu cenowego oraz szybkości generowania odpowiedzi charakterystycznej dla poprzedniej wersji.
Zmiany w planach rozwojowych
Wcześniej Elon Musk zapowiadał, że Grok 4.7 będzie oparty na nowej fazie pre-treningu z wykorzystaniem 2,1 biliona parametrów. Wszystko wskazuje jednak na to, że firma zmodyfikowała swoje założenia dotyczące architektury lub procesu szkolenia modelu.
Status prac nad Grok 4.8
Równolegle postępują prace nad następną generacją, Grok 4.8, która ma dysponować 2,5 bilionem parametrów. Szkolenie bazowe tego modelu miało zakończyć się w ubiegłym tygodniu, co sugeruje, że obecnie znajduje się on w fazie uczenia przez wzmacnianie (Reinforcement Learning, RL) – zazwyczaj ostatnim etapie przed publicznym udostępnieniem.
Dlaczego to ważne
AnalizaPremiera Groka 4.7 podkreśla zdolność xAI do zwiększania efektywności modeli bez podnoszenia kosztów dla użytkowników, a postęp w pracach nad Grokiem 4.8 świadczy o utrzymaniu tempa wyścigu technologicznego w segmencie modeli frontier.
Dyskutuj w społeczności
Dziel się swoimi pytaniami i spostrzeżeniami z programistami
Powiązane w ekosystemie
Praktyczne poradniki, kluczowa terminologia i skille agentów
xAI Grok (Model z bezpośrednim dostępem do aktualności)
Model sztucznej inteligencji stworzony przez firmę xAI Elona Muska. Wyróżnia się bezpośrednim dostępem do strumienia wiadomości w czasie rzeczywistym na platformie X (Twitter), szkoleniem na superkomputerze Colossus oraz dowcipnym stylem komunikacji.
Część I. Architektura agentów AI: fundamentalne elementy
Dziesięć fundamentalnych elementów współczesnego agenta: taksonomia modeli, pętla runtime, techniki promptowania, destylacja, umiejętności (skills), pamięć, wywoływanie funkcji oraz ekonomia jednostkowa.
Część II. Architektura agentów AI: od modelu do pamięci i narzędzi
Głęboka analiza inżynierska: tokenizacja, cache KV, determinizm próbkowania, stos treningowy, kwantyzacja, inżynieria kontekstu, stos bezpieczeństwa, produkcyjny RAG, ReAct oraz systemy multiagentowe typu swarm.
Modele Frontier
Najsilniejsza klasa sztucznej inteligencji na czele światowych badań (Claude 3.7 Sonnet, OpenAI o3/GPT-4.5, Gemini 2.0 Pro), wyznaczająca granice współczesnych możliwości w zakresie rozumowania, autonomii i programowania.