Forwarded from XOR
Вышел Grok 4 — «самый умный ИИ, который когда-либо видело человечество»
Кстати, Маск хочет использовать Grok при колонизации Марса. Теперь главное, чтобы все пошло по плану и Grok снова не превратился в MechaHitler.😅
@xor_journal
🟢 Grok 4 превосходит уровень PhD по всем предметам без исключений.🟢 Grok-4 Heavy выбивает 50,7% на Humanity’s last exam с помощью многоагентской системы — когда несколько агентов работают параллельно и затем сравнивают результаты и выдают ответ. Без использования инструментов результат падает до 25%, но это все еще лучше, чем любые другие модели.🟢 На других бенчах модель тоже опережает конкурентов. Так, на AIME 25 Grok 4 Heavy выбил 100%. На ARC-AGI-2 — 16%!🟢 Обе модели доступны будут уже сегодня здесь. Но за Heavy предлагают заплатить безумные $300 в месяц. Через пару недель обещают еще выпустить специальный Grok 4 для программистов.
Кстати, Маск хочет использовать Grok при колонизации Марса. Теперь главное, чтобы все пошло по плану и Grok снова не превратился в MechaHitler.
@xor_journal
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Data Secrets
Стрим задержали на час, но теперь наконец-то показывают какие-то бенчмарки.
Основное: 50.7% на Humanity’s Last Exam на максимальном компьюте ризонинга. Для сравнения, предыдущий лидер – Gemini 2.5 Pro – выбивала примерно 22%.
Без использования инструментов результат немного падает – около 25%. Говорят, tool use интегрировали прямо в обучение и теперь Grok исключительно хорошо умеет пользоваться браузером, интерпретатором кода и мультиагентностью: несколько агентов работают параллельно, а затем сравнивают результаты и вместе выдают финальное решение.
Также улучшили voice mode: теперь в голосовом режиме Grok работает еще быстрее и умеет шептать, петь, менять интонации и вот это все.
В чате будут доступны две версии: обычный Grok и Grok Heavy. Grok Heavy, кстати, выбивает 100 процентов на AIME 2025 (RIP очередной бенчмарк).
Все модели и даже API доступны уже сегодня, но за Grok Heavy придется платить 300 долларов в месяц
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Data Secrets
OpenAI близки к тому, чтобы запустить собственный браузер
The Reuters пишут, что это случится уже на следующей неделе. Это будет полноценный конкурент Google Chrome, но (естественно!) на базе ИИ – в частности, агентов и чат-бота.
По классике, обещают, что «продукт изменит то, как люди пользуются поиском в браузере».
Как бы там ни было, это значит одно: у OpenAI будет еще больше данных.
The Reuters пишут, что это случится уже на следующей неделе. Это будет полноценный конкурент Google Chrome, но (естественно!) на базе ИИ – в частности, агентов и чат-бота.
По классике, обещают, что «продукт изменит то, как люди пользуются поиском в браузере».
Как бы там ни было, это значит одно: у OpenAI будет еще больше данных.
Forwarded from XOR
Сразу несколько источников говорят, что на следующей неделе OpenAI выпустит лучшую ризонинг модель с открытым исходным кодом.
Последний раз такое чудо случалось у OpenAI в 2019 году с GPT-2. Плюсом ждем скоро от них веб-браузер на базе ИИ.
Вот что конкуренция с OpenAI делает🙏
@xor_journal
Последний раз такое чудо случалось у OpenAI в 2019 году с GPT-2. Плюсом ждем скоро от них веб-браузер на базе ИИ.
Вот что конкуренция с OpenAI делает
@xor_journal
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Machinelearning
🚨 Grok 4 — новая мощная модель от xAI
📊 Лидер на бенчмарках:
- Решает математику AIME25 на 100% — не ошиблась ни в одной из самых сложных задач
- ARC-AGI-2: 15.9% против 8.6% у прошлых лидеров — почти в два раза выше, чем у Claude 4 Opus.
🧠 Главное достижение — Humanity’s Last Exam:
- С максимальными ресурсами и включённой поддержкой внешних инструментов — 44.4% (а на текстовой части даже 50.7%).
- Даже без внешних инструментов — всё ещё лучше всех: 25.4%, у ближайшего конкурента (Gemini 2.5 Pro) — 21.6%.
- Почти половина презентации была посвящена именно этому тесту.
🛠 Что под капотом:
- Архитектура — та же, что у Grok 3.
- Изначально это должна была быть версия Grok 3.5, но решили увеличить объём обучения.
- На стадию логического обучения (reasoning) потратили в 10 раз больше ресурсов.
- Теперь объём дообучения через RL (reinforcement learning) сопоставим с основным обучением.
- Важно: теперь модель сразу обучают использовать внешние инструменты во время RL, как это делают в OpenAI (в o3 и o4-mini).
📉 Слабые места:
- Мультимодальность пока на слабом уровне: большинство тестов — чисто текстовые, и на HLE модель показывает просадку.
- Маск пообещал, что в следующей версии это исправят.
📏 Контекст увеличили до 256k токенов.
💬 API уже запущен:
- Стоимость — как у Grok 3 и Claude Sonnet.
- Но из-за "разговорчивости" на практике модель по цене ближе к Claude Opus.
- Grok 4 Mini не выпустили — жаль, ведь Grok 3 Mini была отличной за свою цену.
🏭 Инфраструктура xAI растёт стремительно:
- Через 3–4 недели стартует тренировка видеомодели на 100k+ GPU GB200.
- В июне компания привлекла $10 млрд: половина — инвестиции, половина — в долг.
- В планах — новое расширение дата-центра Colossus.
📌 Grok 4 — это не просто обновление, а важный шаг вперёд в развитии reasoning-моделей и интеграции с внешними возможностями.
Тестим здесь.
@ai_machinelearning_big_data
#grok
📊 Лидер на бенчмарках:
- Решает математику AIME25 на 100% — не ошиблась ни в одной из самых сложных задач
- ARC-AGI-2: 15.9% против 8.6% у прошлых лидеров — почти в два раза выше, чем у Claude 4 Opus.
🧠 Главное достижение — Humanity’s Last Exam:
- С максимальными ресурсами и включённой поддержкой внешних инструментов — 44.4% (а на текстовой части даже 50.7%).
- Даже без внешних инструментов — всё ещё лучше всех: 25.4%, у ближайшего конкурента (Gemini 2.5 Pro) — 21.6%.
- Почти половина презентации была посвящена именно этому тесту.
🛠 Что под капотом:
- Архитектура — та же, что у Grok 3.
- Изначально это должна была быть версия Grok 3.5, но решили увеличить объём обучения.
- На стадию логического обучения (reasoning) потратили в 10 раз больше ресурсов.
- Теперь объём дообучения через RL (reinforcement learning) сопоставим с основным обучением.
- Важно: теперь модель сразу обучают использовать внешние инструменты во время RL, как это делают в OpenAI (в o3 и o4-mini).
📉 Слабые места:
- Мультимодальность пока на слабом уровне: большинство тестов — чисто текстовые, и на HLE модель показывает просадку.
- Маск пообещал, что в следующей версии это исправят.
📏 Контекст увеличили до 256k токенов.
💬 API уже запущен:
- Стоимость — как у Grok 3 и Claude Sonnet.
- Но из-за "разговорчивости" на практике модель по цене ближе к Claude Opus.
- Grok 4 Mini не выпустили — жаль, ведь Grok 3 Mini была отличной за свою цену.
🏭 Инфраструктура xAI растёт стремительно:
- Через 3–4 недели стартует тренировка видеомодели на 100k+ GPU GB200.
- В июне компания привлекла $10 млрд: половина — инвестиции, половина — в долг.
- В планах — новое расширение дата-центра Colossus.
📌 Grok 4 — это не просто обновление, а важный шаг вперёд в развитии reasoning-моделей и интеграции с внешними возможностями.
Тестим здесь.
@ai_machinelearning_big_data
#grok
Forwarded from AI Product | Igor Akimov
Вот уже результаты бенчмарков от Artificial Analysis:
- Grok 4 достиг индекса искусственного интеллекта (ИИ) 73, опередив OpenAI o3 (70), Google Gemini 2.5 Pro (70), Anthropic Claude 4 Opus (64) и DeepSeek R1 0528 (68).
- Цена Grok 4 эквивалентна Grok 3: 3/15 долларов США за 1 млн токенов ввода/вывода (0,75 доллара США за 1 млн токенов кэшированного ввода). Цена за токен идентична Claude 4 Sonnet, но выше, чем у Gemini 2.5 Pro (1,25/10 долларов США за <200 тыс. токенов ввода) и o3 (2/8 долларов США после недавнего снижения цены).
- Grok 4 лидирует не только по индексу искусственного интеллекта, но и по индексу программирования (LiveCodeBench и SciCode) и индексу математики (AIME24 и MATH-500).
- Рекордный результат в GPQA Diamond — 88%, что значительно выше предыдущего рекорда Gemini 2.5 Pro в 84%.
- Рекордный результат в Humanity's Last Exam — 24%, что превышает предыдущий рекорд Gemini 2.5 Pro в 21%. Обратите внимание, что наш бенчмарк использует исходный набор данных HLE (январь 2025 г.) и запускает текстовую часть без каких-либо инструментов.
- Совместный наивысший результат для MMLU-Pro и AIME 2024 — 87% и 94% соответственно.
- Скорость: 75 выходных токенов/с, медленнее, чем o3 (188 токенов/с), Gemini 2.5 Pro (142 токена/с), Claude 4 Sonnet Thinking (85 токенов/с), но быстрее, чем Claude 4 Opus Thinking (66 токенов/с).
- Окно контекста на 256 тыс. токенов. Это ниже контекстного окна Gemini 2.5 Pro в 1 миллион токенов, но выше, чем у Claude 4 Sonnet и Claude 4 Opus (200 тыс. токенов), o3 (200 тыс. токенов) и R1 0528 (128 тыс. токенов).
- Поддерживает ввод текста и изображений. Аудио пока нет.
- Поддерживает вызов функций и структурированный вывод.
- Grok 4 достиг индекса искусственного интеллекта (ИИ) 73, опередив OpenAI o3 (70), Google Gemini 2.5 Pro (70), Anthropic Claude 4 Opus (64) и DeepSeek R1 0528 (68).
- Цена Grok 4 эквивалентна Grok 3: 3/15 долларов США за 1 млн токенов ввода/вывода (0,75 доллара США за 1 млн токенов кэшированного ввода). Цена за токен идентична Claude 4 Sonnet, но выше, чем у Gemini 2.5 Pro (1,25/10 долларов США за <200 тыс. токенов ввода) и o3 (2/8 долларов США после недавнего снижения цены).
- Grok 4 лидирует не только по индексу искусственного интеллекта, но и по индексу программирования (LiveCodeBench и SciCode) и индексу математики (AIME24 и MATH-500).
- Рекордный результат в GPQA Diamond — 88%, что значительно выше предыдущего рекорда Gemini 2.5 Pro в 84%.
- Рекордный результат в Humanity's Last Exam — 24%, что превышает предыдущий рекорд Gemini 2.5 Pro в 21%. Обратите внимание, что наш бенчмарк использует исходный набор данных HLE (январь 2025 г.) и запускает текстовую часть без каких-либо инструментов.
- Совместный наивысший результат для MMLU-Pro и AIME 2024 — 87% и 94% соответственно.
- Скорость: 75 выходных токенов/с, медленнее, чем o3 (188 токенов/с), Gemini 2.5 Pro (142 токена/с), Claude 4 Sonnet Thinking (85 токенов/с), но быстрее, чем Claude 4 Opus Thinking (66 токенов/с).
- Окно контекста на 256 тыс. токенов. Это ниже контекстного окна Gemini 2.5 Pro в 1 миллион токенов, но выше, чем у Claude 4 Sonnet и Claude 4 Opus (200 тыс. токенов), o3 (200 тыс. токенов) и R1 0528 (128 тыс. токенов).
- Поддерживает ввод текста и изображений. Аудио пока нет.
- Поддерживает вызов функций и структурированный вывод.
Forwarded from Метаверсище и ИИще (Sergey Tsyptsyn ️️)
Видели все эти ASMR ИИ-видосики с разрезанием чего-нибудь острым ножичком?
Я вам принес чумовейших индусов, которые докрутили идею до годного. Во вселенском, так сказать, масштабе.
Во-первых, это красиво.
Во-вторых, поглядите их инсту, там показано, как люди с опытом поста обращаются с VEO и другими генераторами.
https://www.instagram.com/cinefai.studios
@cgevent
Я вам принес чумовейших индусов, которые докрутили идею до годного. Во вселенском, так сказать, масштабе.
Во-первых, это красиво.
Во-вторых, поглядите их инсту, там показано, как люди с опытом поста обращаются с VEO и другими генераторами.
https://www.instagram.com/cinefai.studios
@cgevent
Forwarded from Метаверсище и ИИще (Sergey Tsyptsyn ️️)
This media is not supported in your browser
VIEW IN TELEGRAM
Вот у меня в детстве еще было такое понятие как "двор" и "выйти гулять во двор".
Сидишь бывало, у окна, в дворе пусто. И ждешь, когда кто-то выйдет - одному-то неохота балду пинать.
Как только кто-то вышел и слоняется без дела - все такие "пора гулять" - и повалили на улицу.
Можно идти самому теперь.
Ну или каноническое "Тетя Таня, а Сережа выйдет?"...
В общем еще одна проблема из прошлого решена.
Включаешь своего Unitree, даешь ему пинка и командуешь идиворуй гулять во двор!
Тут пацаны и понабегут, можно идти играть в вышибалы...
@cgevent
Сидишь бывало, у окна, в дворе пусто. И ждешь, когда кто-то выйдет - одному-то неохота балду пинать.
Как только кто-то вышел и слоняется без дела - все такие "пора гулять" - и повалили на улицу.
Можно идти самому теперь.
Ну или каноническое "Тетя Таня, а Сережа выйдет?"...
В общем еще одна проблема из прошлого решена.
Включаешь своего Unitree, даешь ему пинка и командуешь иди
Тут пацаны и понабегут, можно идти играть в вышибалы...
@cgevent
Forwarded from Нейродвиж
Разработчики, это вам: для Claude Code вышел фреймворк, который превращает нейронку в целую команду ИИ-разработчиков — эта дрим-тим запросто соберет любой проект.
ИИ-агенты сам напишут весь код, найдут в нём баги и уязвимости и так до тех пор, пока проект не будет готов. Есть интеграция с MCP — у агентов всегда будет актуальная документация и доступ к внешним сервисам.
Забираем имбу — здесь.
ИИ-агенты сам напишут весь код, найдут в нём баги и уязвимости и так до тех пор, пока проект не будет готов. Есть интеграция с MCP — у агентов всегда будет актуальная документация и доступ к внешним сервисам.
Забираем имбу — здесь.
Forwarded from Метаверсище и ИИще (Sergey Tsyptsyn ️️)
Лучше поздно, чем никогда. В Veo3 завезли image2video.
Можно использовать вашу картинку как первый кадр.
С моей точки зрения, это круче всего с точки зрения липсинка.
Люди на первом кадре реально начинают говорить и попадают в губы, ведь Veo3 генерит звук.
Подробнее тут: https://blog.google/technology/google-labs/flow-adds-speech-expands/
Мне вот интересно, Veo за несколько месяцев пережил уже несколько очень мощных апгрейдов.
А кто поднимет веки Sora?
Или OpenAI решили сосредоточиться на продуктах типа своего браузера, а Сора останется в истории, как игрушка, которая всех удивила и осталась в музее?
@cgevent
Можно использовать вашу картинку как первый кадр.
С моей точки зрения, это круче всего с точки зрения липсинка.
Люди на первом кадре реально начинают говорить и попадают в губы, ведь Veo3 генерит звук.
Подробнее тут: https://blog.google/technology/google-labs/flow-adds-speech-expands/
Мне вот интересно, Veo за несколько месяцев пережил уже несколько очень мощных апгрейдов.
А кто поднимет веки Sora?
Или OpenAI решили сосредоточиться на продуктах типа своего браузера, а Сора останется в истории, как игрушка, которая всех удивила и осталась в музее?
@cgevent
Forwarded from Метаверсище и ИИще (Sergey Tsyptsyn ️️)
This media is not supported in your browser
VIEW IN TELEGRAM
Ну и наконец-то Google Flow раскатали почти на весь мир, включая Европу.
https://labs.google/fx/tools/flow
У меня открывается без всякого ВПН.
https://blog.google/technology/google-labs/flow-adds-speech-expands/
Нужна подписка Pro.
И да, это липсинк по начальной фотке.
@cgevent
https://labs.google/fx/tools/flow
У меня открывается без всякого ВПН.
https://blog.google/technology/google-labs/flow-adds-speech-expands/
Нужна подписка Pro.
И да, это липсинк по начальной фотке.
@cgevent
Forwarded from Метаверсище и ИИще (Sergey Tsyptsyn ️️)
This media is not supported in your browser
VIEW IN TELEGRAM
Пара постов про Грок 4.
И хотя модель для кодинга обещают осенью, уже сейчас он делает удивительные вещи.
В этом примере он делает 3Д симуляцию движения Земли, Луны и спутников.
Этом ОН САМ лезет в интернет в поисках текстур для Земли и Луны. Сам вычисляет слой для облаков, свет от солнца, положение и вращение Земли и Луны.
Такое ощущение что сила Грока в том, как он работает с данными из интернета и в его поисковых способностях. Не зря Маск учил его на своих твиттах.
Если интересно, то вот промпт:
Автор
@cgevent
И хотя модель для кодинга обещают осенью, уже сейчас он делает удивительные вещи.
В этом примере он делает 3Д симуляцию движения Земли, Луны и спутников.
Этом ОН САМ лезет в интернет в поисках текстур для Земли и Луны. Сам вычисляет слой для облаков, свет от солнца, положение и вращение Земли и Луны.
Такое ощущение что сила Грока в том, как он работает с данными из интернета и в его поисковых способностях. Не зря Маск учил его на своих твиттах.
Если интересно, то вот промпт:
You are a senior 3D graphics programmer with extensive experience in WebGL and Three.js.
Generate a complete, self-contained HTML file that renders a photorealistic and interactive 3D simulation of planet Earth.
The simulation must be high-quality and visually compelling, suitable for a technical demonstration or an educational tool. It should feature a detailed Earth model with distinct day/night textures, specular highlights on the oceans, and a dynamic, semi-transparent cloud layer that rotates independently from the planet to create a sense of depth and realism.
The scene must be illuminated by a directional light source representing the sun, casting realistic shadows. For example, the Earth's rotation should reveal the city lights on the night side. To enhance the scene, add a starfield background using a sphere with a star texture mapped to the inside. Implement OrbitControls to allow the user to intuitively rotate, pan, and zoom the camera for a fully interactive experience.
The final output must be a single HTML file containing all necessary HTML, CSS, and JavaScript. You can use this snippet to import Three.js:
<script src="https://cdnjs(dot)cloudflare(dot)com/ajax/libs/three(dot)js/r128/three(dot)min(dot)js"></script>
<script src="https://cdn(dot)jsdelivr(dot)net/npm/three@0(dot)128(dot)0/examples/js/controls/OrbitControls(dot)js"></script>
Автор
@cgevent
Forwarded from Метаверсище и ИИще (Sergey Tsyptsyn ️️)
Еще немного Грочека 4.
ОН САМ лезет в интернет, находит там модель оживляемого человека, и делает всю симуляцию на three.js
На втором видео "3 legions marching"
Как пишут в твитторах, он исключительно хорош в three.js, разных симуляциях и .. Блендоре.
И похоже в геймдев он должен неплохо так зайти.
P/S/ Для сравнения: попытка сделать это в Gemini 2.5 Pro
https://gemini.google.com/share/bf12823e8c8c
@cgevent
“Create an animation of a crowd of people walking to form “Hello world, I am Grok” as camera changes to birds-eye.”
ОН САМ лезет в интернет, находит там модель оживляемого человека, и делает всю симуляцию на three.js
На втором видео "3 legions marching"
Как пишут в твитторах, он исключительно хорош в three.js, разных симуляциях и .. Блендоре.
И похоже в геймдев он должен неплохо так зайти.
P/S/ Для сравнения: попытка сделать это в Gemini 2.5 Pro
https://gemini.google.com/share/bf12823e8c8c
@cgevent