← Visos naujienos

Musk apie Grok 5: 6 trln. parametrų, realaus laiko vaizdo supratimas, 10 % tikimybė AGI

ModeliaiŠaltinis: TheAIGRID YouTube kanalas·
Musk apie Grok 5: 6 trln. parametrų, realaus laiko vaizdo supratimas, 10 % tikimybė AGI

Elon Musk teigia, kad xAI pradėjo treniruoti Grok 5 — 6 trln. parametrų modelį (prieš tai bazė buvo 3 trln.), iš prigimties multimodalų, su geresne duomenų kokybe ir treniruojamą Colossus 2 superkompiuteryje Memfyje. Jis žada pirmavimą visuose benchmark'uose pirmąjį ketvirtį, stiprų įrankių naudojimą ir realaus laiko vaizdo supratimą, kurio, pasak jo, neturi kiti modeliai, bei vertina AGI tikimybę 10 %. Pranešime pabrėžiama, kad didesnis parametrų skaičius savaime nereiškia protingesnio modelio, o svarbus gali būti ir agentinis „harness".

Pilna santrauka

Ką žada Grok 50:00

Elon Musk paskelbė, kad xAI pradėjo treniruoti Grok 5, ir tvirtina, jog tai bus protingiausias pasaulyje dirbtinis intelektas, pirmaujantis visose be išimties metrikose; pradinis terminas buvo pirmasis šių metų ketvirtis. Dar svarbiau, pasak jo, kad tai pirmas modelis, kuriame jis mato realią, nors ir nedidelę, galimybę pasiekti bendrąjį dirbtinį intelektą (AGI) — savo paties vertinimu, apie 10 % tikimybę, o tai reiškia 90 % tikimybę, kad taip neįvyks. Anksčiau jis tokios minties niekada neturėjęs.

Techniškai Grok 5 yra 6 trilijonų parametrų modelis, kai Grok 3 ir Grok 4 rėmėsi 3 trilijonų parametrų baze. Musk pabrėžia ne vien dydį, bet ir „intelekto tankį" — intelektą viename gigabaite bei viename trilijone operacijų, nes atmintis brangi, o tankesnis modelis pigiau ir greičiau veikia. Vaizdo įraše primenama, kad daugiau parametrų savaime nereiškia protingesnio modelio, tik suteikia daugiau vietos žinioms ir sudėtingesniems dėsningumams.

Trečias skirtumas — duomenų kokybė. Musk sako, kad Grok 5 treniruojamas su gerokai geresniais duomenimis, o per pirmąjį SpaceX pelno pristatymą rugpjūtį jis minėjo, jog kitas didelis Grok modelis bus treniruojamas su visa SpaceX istorine duomenų baze: paleidimų žurnalais, inžineriniais ir gamybos duomenimis, prie kurių kitos laboratorijos neturi prieigos. Treniruotė vyksta Colossus 2 superkompiuteryje Memfyje; kad Grok 5 jau treniruojamas, xAI patvirtino per sausio finansavimo raundą.

Ketvirta — modelis iš prigimties multimodalus: tekstas, paveikslėliai, vaizdas, garsas. Musk žada daug geresnį įrankių naudojimą ir net įrankių kūrimą sau, labai stiprų regėjimą ir realaus laiko vaizdo supratimą, kurio, jo teigimu, neturi nė vienas kitas AI; be šio gebėjimo, kurį žmonės turi savaime, jo nuomone, AGI pasiekti neįmanoma. Jis taip pat užsiminė apie neatskleidžiamus „slaptus ingredientus" ir kad modelis „tikrai atrodys sąmoningas". Visa tai kol kas tik pažadai: Grok 5 dar neišleistas, o dabartinis SpaceX nurodytas terminas — iki 2026 m. pabaigos.

Kodėl niekas nėra iškritęs iš lenktynių6:55

Autorius teigia, kad nurašyti Grok anksti, nes pozicijos keičiasi labai greitai. Google dar neseniai buvo vadinama atsiliekančia ir per lėta, bet rugsėjo pabaigoje pristatė Gemini 4 Argon, spalio viduryje jį atvėrė visiems, o spalio 28 d. paskelbė Gemini 4 Carbon, užėmusį pirmą vietą Artificial Analysis Intelligence Index reitinge. Argon surinko 50, Carbon — 59 balus. Naujus modelius sparčiai leidžia ir OpenAI, Anthropic bei Kinijos laboratorijos.

Musk turi ir savo argumentą: idėjos AI srityje ilgai neišlieka paslaptyje, tyrėjai juda tarp įmonių, tad skirtumas tarp laboratorijų retai viršija pusmetį. Todėl galiausiai atsiremiama į aparatinės įrangos sieną, ir laimės tas, kas greičiausiai sugebės plėsti ir įjungti daugiau lustų — o tai, jo manymu, xAI stiprybė. Colossus superkompiuteris Memfyje buvo pastatytas per 122 dienas. Per SpaceX pirmąjį pelno pristatymą nurodyta apie 1,4 gigavato veikiančių skaičiavimo pajėgumų, siekis — 2 gigavatai iki šių metų pabaigos ir 10–15 gigavatų iki 2027 m. pabaigos (vienas gigavatas maždaug prilygsta didelės elektrinės galiai).

Vien per paskutinį ketvirtį SpaceX kapitalo išlaidos siekė beveik 20 mlrd. dolerių, daugiausia AI. Pajėgumų tiek daug, kad dalis nuomojama kitoms AI įmonėms, tarp jų Anthropic. Paklaustas apie laimėjimo planą, Musk juokais atsisakė atskleisti paslaptis, bet nurodė Teslos kelią: rinkti milžiniškus realaus pasaulio duomenis, mesti didžiulius skaičiavimo pajėgumus ir tobulinti, kol suveiks.

Kokių benchmark rezultatų tikėtis11:05

Artificial Analysis indeksas yra jungtinis balas iš daugelio nepriklausomai atliekamų testų — samprotavimo, programavimo, mokslo, matematikos. Naujausioje versijoje Gemini 4 Carbon pirmauja su 59 balais, o Claude Opus 5.5 ir GPT-6 Astra atsilieka vos keliais taškais. Grok kol kas atsilieka: Grok 4.7 ankstesnėje indekso versijoje surinko 46, kai geriausi modeliai buvo apie 53. Terminal Bench agentinio programavimo teste Grok 4.7 pasiekė apie 26 %, o GPT-6 Astra — apie 60 %.

Musk lūkesčiai milžiniški: Moonshots podkaste jis sakė, kad Grok 5 Humanity's Last Exam teste gali pasirodyti beveik tobulai ir dar nurodyti klausimų klaidas. Tame pačiame pokalbyje jis minėjo, kad net „primityvus" Grok 4 tekstiniuose klausimuose surinko apie 52 %. Musk taip pat teigė, kad dar prieš Grok 5 einantis Grok 4.9 jau turėtų būti GPT-6 Astra ir Claude Fable klasės. Rugsėjo įraše jis rašė, kad Grok 5 gali būti geresnis už bet ką — „pamatysime".

Autoriaus realistiški kriterijai: apie 60 balų Artificial Analysis indekse, didelio atotrūkio Terminal Bench tipo testuose sumažinimas ir išskirtiniai rezultatai su vaizdu, paveikslėliais ir garsu.

Kodėl sunku išleisti pažangų modelį14:11

Pirma, kartelė kyla kas kelias savaites: modelis treniruojamas mėnesiais, o taikosi ne į tuos modelius, kurie egzistavo pradžioje, bet į tuos, kurie bus pristatymo dieną — o Google per mėnesį pakilo devyniais taškais. Antra, treniruotė yra tik pusė darbo: po jos eina reinforcement learning etapas, kur modelis mokosi atlikti užduotis už atlygį, ir tai trunka ilgiau, nei tikimasi. Pavyzdys — Grok 4.8: Musk rugsėjį sakė, kad pirmas treniruotės etapas baigsis tą savaitę, o modelis vis dar neišleistas.

Musk taip pat minėjo, kad xAI sukūrė visiškai naują treniruočių sistemą C++ kalba, kurią daugiausia parašė SpaceX Starlink programinės įrangos komanda.

Trečia — kaina: 6 trilijonų parametrų modelio treniravimas reikalauja milžiniškų pajėgumų, o kiekviena treniruotės savaitė yra savaitė, kai lustai neaptarnauja mokančių klientų. Ketvirta — testai griežtėja: Artificial Analysis išleido penktąją indekso versiją, kurioje apie 60 % klausimų yra privatūs, tad jų iš anksto treniruotis neįmanoma. Penkta — lūkesčiai: pažadėjus protingiausią pasaulyje AI, tiesiog labai geras modelis tampa problema, todėl yra spaudimas laukti, kol bus iš tikrųjų pasirengta. Tai greičiausiai ir paaiškina Grok 5 perstūmimą iš pirmojo ketvirčio į metų pabaigą.

Benchmark „maksinimas" ir privatūs testai16:16

Bench maxing — kai modelis (sąmoningai ar ne) pritaikomas gerai atrodyti viešuose testuose, bet realiai naudojant nebesužavi. Musk X platformoje rašė, kad xAI neoptimizuoja benchmark'ams ir jam nerūpi, kaip Grok juose pasirodo, tačiau modelis būsiąs itin naudingas.

Kaip priešingybės pavyzdys pateikiamas Kinijos laboratorijos Moonshot AI modelis Kimi K 3.1 Pro: pačios Moonshot diagramos rodė 65,7 % Terminal Bench rezultatą, visai šalia Claude Opus 5.5 su 66,4 %, o senojoje indekso versijoje modelis buvo ketvirtas iš daugiau nei 200. Perėjus prie naujojo indekso su daugiausia privačiais klausimais, Kimi nukrito iš ketvirtos į devintą vietą, o atotrūkis tarp geriausių atvirų ir uždarų modelių išaugo nuo trijų iki 12 taškų. Įrodymų, kad Moonshot treniravosi su testų klausimais, nėra, bet daugelis tai palaikė atsiskleidimu.

Grok atveju vaizdas priešingas. AI autorius Adam Holta pasidalijo Artificial Analysis diagrama, lyginančia viešas ir privačias programavimo užduotis: viešose Grok 4.7 buvo paskutinis iš devynių parodytų modelių, o privačiose pakilo į septintą vietą, aplenkdamas Claude Sonnet 5.5 ir Gemini 4 Argon. Jei xAI tikrai kuria naudingumui, o ne lentelėms, Grok 5 pristatymo dieną gali atrodyti mažiau efektingai, bet geriau laikytis privačiuose testuose ir realiame darbe.

Agentinis harness ir xAI produktai18:22

Lyginant AI paprastai lyginamas pats modelis, bet dirbant naudojama ir visa aplinka aplink jį — vadinamasis agent harness: programinė įranga, suteikianti įrankius, atmintį ir galimybę pabandyti, patikrinti rezultatą ir bandyti vėl. Agentas yra modelis plius harness, o skirtumas gali būti milžiniškas: Princeton teste tas pats modelis esą surinko 42 % su viena konfigūracija ir 78 % su kita. Vercel esą pašalino apie 80 % savo agentui teikiamų įrankių, ir sėkmės rodiklis padidėjo, o ne sumažėjo. Atsirado net terminas harness engineering. Claude Code populiarumas kilo ne vien dėl modelio, bet ir dėl geros aplinkos realiems projektams.

xAI čia padarė stambių žingsnių: SpaceX už 60 mlrd. dolerių nupirko Cursor — vieną populiariausių AI programavimo įrankių pasaulyje, iš esmės aukščiausio lygio programavimo harness. Kai OpenAI pranešė nebetieksianti savo modelių Cursor, šis dar labiau susisiejo su Grok, o SpaceX nurodė, kad Cursor naudos didžiausią jos skaičiavimo klasterį Grok produktams tobulinti. Taip pat yra Grok kūrėjams skirtas Grok build ir Grokbot — darbui skirtas asistentas, kuriantis užduotis nuo pradžios iki pabaigos: laiškai, tyrimai, pardavimų kontaktai. Grok 5 iškart bus įjungtas į Grokbot, Cursor ir X.

Grokbot augimas20:28

Grokbot beta versija pasirodė rugpjūčio 11 d. Iki rugsėjo vidurio SpaceX AI padalinys skelbė apie 418 tūkst. savaitinių naudotojų. SimilarWeb vertinimais, dienos naudotojų skaičius nuo maždaug 155 tūkst. rugsėjo pabaigoje išaugo iki apie 450 tūkst. spalio viduryje ir viršijo 600 tūkst. spalio pabaigoje, augdamas 16 dienų iš eilės. Per naujausią SpaceX pelno pristatymą prezidentė Gwynne Shotwell esą sakė, kad Grokbot pasiekė 800 tūkst. mokančių savaitinių naudotojų — daugiau nei dvigubai per mėnesį. Svarbu, kad Grokbot neturi nemokamo plano: visi naudotojai moka nuo 30 dolerių per mėnesį.

Musk rašė, kad agentinė paklausa auga greičiau nei bet kas, ką jis yra matęs.

Be to, SpaceX dokumentuose nurodyta, kad kovą Grok AI funkcijos turėjo apie 117 mln. mėnesinių naudotojų, daugiausia per X. Vis dėlto, palyginti su ChatGPT, skaičiai nedideli, o Grokbot prenumeratos pajamos mažos lyginant su likusia SpaceX veikla — didžioji dalis AI pajamų kol kas ateina iš skaičiavimo pajėgumų nuomos. Musk sakė, kad dauguma Grokbot užklausų netrukus veiks itin greita Grok 4.8 versija, o po to — Grok 5.

Į ką verta žiūrėti22:35

Autorius siūlo stebėti penkis dalykus: nepriklausomus reitingus, ypač naujus privačius testus (apie 60 ar daugiau Artificial Analysis indekse reikštų aukščiausią lygą); realaus laiko vaizdo supratimą, kurio kitos laboratorijos kol kas neparodė; agentinį darbą, tai yra atotrūkio Terminal Bench mažinimą ir pastebimai geresnį Grokbot užduočių užbaigimą; faktinę pristatymo datą; ir konkurentus — Google, OpenAI bei Anthropic, nes Grok 5 teks lenkti ne šiandienos, o paleidimo dienos modelius. Naudotojams patarimas: vertinti ne pagal pristatymo diagramas, o pagal tai, kaip modelis veikia realiai naudojamuose įrankiuose.

Galutinė autoriaus nuomonė: Grok nurašomas per anksti. Taip, jis atsilieka lentelėse, o Grok 5 vėluoja, bet Google per mėnesį iš nurašyto tapo pirmu, o xAI turi tai, ko beveik niekas kitas neturi: milžiniškus skaičiavimo pajėgumus, unikalius SpaceX duomenis, aukšto lygio programavimo harness Cursor pavidalu ir asistentą, kurio mokančių naudotojų skaičius per mėnesį daugiau nei dvigubėja. Jei Grok 5 įvykdys bent dalį pažadų, xAI gali grįžti į priekį; jei ne, kartelė toliau kils ir pavyti bus labai sunku.

Dalintis:

Originalas: Grok 5 Could Be The Most Powerful AI Ever Created (TheAIGRID YouTube kanalas)

Visos 2026 m. lapkričio 1 d. naujienos · Archyvas