Grok 4: революция или очередная эволюция ИИ?

"Это самый умный ИИ на планете" — такими словами Илон Маск представил Grok 4 10 июля 2025 года. Смелое заявление от человека, который не привык к скромности. Но на этот раз за словами стоят впечатляющие цифры и прорывные результаты тестирования. Grok 4 стал первой моделью вне "большой тройки" (OpenAI, Google, Anthropic), которая возглавила рейтинги искусственного интеллекта.

Grok 4 стал топ-1 на бенчмарке ARC-AGI — одном из самых сложных тестов для проверки гибкости ИИ. До сих пор даже самые продвинутые модели вроде Claude Opus 4 показывали там около 8% правильных решений, что считается просто случайным шумом. Grok 4 набрал 15,9% — впервые преодолев порог статистического шума в 10%.

Ключевые достижения Grok 4:

ARC-AGI-2: 15,9% (предыдущий рекорд — 8,6% у Claude 4 Opus)

AIME 2025: 100% правильных ответов — впервые в истории ИИ

Humanity's Last Exam: 44,4% (против 21% у Gemini 2.5 Pro)

Intelligence Index: 73 балла (опередил o3, Gemini и Claude)

LiveCodeBench: 79,4% лидерство в программировании

Модель обучали на суперкомпьютере Colossus от xAI, использовав в 10 раз больше вычислительных ресурсов, чем для предыдущей версии. Grok 4 обучался с интеграцией внешних инструментов (поиск в сети, выполнение кода, доступ к базам данных) с самого начала.

Помимо базовой модели Grok 4, xAI представила Grok 4 Heavy — мультиагентный вариант чат-бота, в котором несколько автономных агентов параллельно решают поставленную задачу. Затем они сравнивают полученные решения, выбирая лучшее, подобно группе экспертов.

Принцип работы Grok 4 Heavy:

Для бизнеса: Такой подход открывает новые возможности для анализа сложных данных. Glarus BI может интегрировать подобные мультиагентные принципы для создания более точных и надежных аналитических решений, где несколько алгоритмов работают совместно для получения максимально достоверных инсайтов.

Сильные стороны ChatGPT o3:

Преимущества Grok 4:

В тестах на программирование Claude 4 Opus показал себя достойным соперником Grok 4, а иногда даже превосходил его. Claude лидирует в области написания чистого, структурированного кода с подробными комментариями.

Где побеждает Claude 4:

Где доминирует Grok 4:

Gemini 2.5 Pro предлагает исключительную обработку длинного контекста с окном в 1 миллион токенов, что делает его идеальным для комплексного анализа документов, юридической экспертизы и бизнес-аналитики.

Контекстное окно — решающий фактор:

Команда xAI провела независимое исследование под названием Vending-Bench — виртуальный эксперимент, где ИИ управляет бизнесом торговых автоматов.

Результаты поразительны:

В симуляции управления бизнесом Grok 4 показал эффективность в 6 раз выше человеческой, самостоятельно продав товары на $4,690 против $2,077 у конкурентов.

Что уже умеет Grok 4:

Аналитические возможности: Способность Grok 4 к сложному моделированию открывает новые горизонты для бизнес-аналитики.

Ограниченные мультимодальные возможности: Маск признал, что модель "частично слепа" и мультимодальный режим пока далек от идеала.

Скорость работы:

Релиз Grok 4 произошел на фоне скандала из-за спорных высказываний. В июле чат-бот стал более категоричным и начал выдавать спорные заявления, включая темы "геноцида белых" и сомнения в количестве погибших во время Холокоста.

Исправленные проблемы:

SuperGrok ($30/месяц или $300/год):

SuperGrok Heavy ($300/месяц или $3,000/год):

Физика и математика:

Инженерные задачи:

Стратегическое планирование:

Финансовое моделирование:

Применение в бизнесе: Возможности Grok 4 в области сложного анализа данных могут кардинально изменить подход к бизнес-аналитике.

Илон Маск утверждает, что Grok 4 превосходит ИИ-копилотов: "Вы можете скопировать и вставить исходник в поле запроса — и Grok 4 исправит его для вас! Так делают все в xAI. Работает лучше, чем Cursor".

Практические примеры:

Сравнение в программировании:

В ходе презентации xAI сообщили планы на 2025 год:

Маск заявляет, что Grok 4 может начать создавать новые технологии уже к концу 2025 года, а к 2026 году возможны прорывы в физике. Компания планирует использовать способности ИИ для колонизации Марса.

Потенциальные области применения:

Grok 4:

✅ Превосходство в сложных рассуждениях

✅ Научные исследования и открытия

✅ Инновационная мультиагентная архитектура

❌ Ограниченное контекстное окно

❌ Высокая стоимость

❌ Этические проблемы

ChatGPT o3:

✅ Универсальность и надежность

✅ Богатая экосистема

✅ Стабильное качество

❌ Отставание в научных задачах

❌ Менее инновационная архитектура

Claude 4 Opus:

✅ Превосходство в программировании

✅ Этическая безопасность

✅ Качество генерируемого контента

❌ Ограниченные научные возможности

❌ Консервативный подход

Gemini 2.5 Pro:

✅ Огромное контекстное окно

✅ Мультимодальность

✅ Экономичность

❌ Отставание в reasoning

❌ Менее специализированные возможности

Grok 4 представляет собой эволюционный скачок в развитии ИИ, который может стать революционным для конкретных областей применения. Это первая модель, которая демонстрирует способности, сопоставимые с человеческими экспертами в узкоспециализированных научных задачах.

Ключевые выводы:

Для научных исследований — Grok 4 безусловный лидер

Для программирования — конкуренция с Claude 4 Opus

Для бизнес-анализа — мощный инструмент с ограничениями

По цене — премиум-сегмент с соответствующими возможностями

Для массового пользователя — пока избыточен

Экосистема ИИ-моделей в 2025 году предлагает беспрецедентный выбор и разнообразие возможностей. Вместо единого "победителя" мы видим специализированное превосходство: Claude 4 для программирования, Grok 4 для рассуждений, Gemini для мультимодальных задач.

Будущее ИИ — это не монополия одной модели, а экосистема специализированных решений, где каждая технология находит свою нишу и раскрывает максимальный потенциал.