Grok 4.7 уступила только моделям Anthropic в тесте на офисную работу

Grok 4.7 от SpaceXAI в бенчмарке AA-Briefcase¹ пропустила вперёд только модели Anthropic и встала сразу за Opus 5. Такой результат получила независимая компания Artificial Analysis, которая сравнивает ИИ-модели. Одна задача обходится Grok 4.7 примерно в половину того, что тратит Opus 5. Илон Маск поделился замером в соцсети X и добавил к нему только название модели.

Почему это важно: Grok 4.7 вышла 21 сентября как модель для программирования и офисной работы, и этот замер показывает её место в офисных проектах, а не только в коде.

Детали: В открытом сценарии теста, AA-Briefcase-Lite, модель проверяет компанию перед сделкой: строит модель рынка и готовит презентацию с оценкой компании, которую собираются купить.

В цифрах: Результаты Grok 4.7 в этом сценарии против Grok 4.6:

• Рейтинг качества анализа вырос с 1 698 до 1 994 пунктов Эло².
• Рейтинг оформления презентаций немного снизился — с 1 531 до 1 499 пунктов.
• Пример презентации через API стоит около 8 долларов вместо 4,40 доллара у прошлой версии, обе модели работали на самом высоком уровне рассуждений.

Но: Цена за токен у Grok 4.7 осталась прежней, а готовая презентация обходится почти вдвое дороже. В тесте на программирование новой версии тоже понадобилось в 2,25 раза больше токенов ответа, чем Grok 4.6.

Подробнее: Днём раньше Artificial Analysis поставила Grok 4.7 с агентом Grok Build на четвёртое место среди агентов для программирования.