A múlt hónapban indult el a Grok 4.5 modell, most pedig már arról számolhatunk be, hogy színre lépett egy újabb kiadása, ami már a 4.6-os verziószámon fut. Kicsi lépésnek tűnik ez, de fontos különbségek vannak az újdonságnál, éppen ezért a SpaceXAI csapata nem is feltétlenül az utódot látja benne. Ez a modell már az ügynöki feladatokra alkalmasabb, így jön képbe a másik friss eszköz, a Grok Bot.
A fejlesztők a Grok 4.5 modell esetén a kiváló programozási, tudományos, mérnöki és matematikai képességeket emelte ki. Az a modell jól kezelte az összetett feladatokat kutatási projektek, információelemzés, kódbázisok párhuzamos kezelése és alkalmazások létrehozása során. Ezzel szemben a Grok 4.6 már különös hangsúlyt fektet a hosszú távon működő ügynökökre, valamint a kiemelkedő interaktív és vizuális alkotásokra. Az alapokat a Grok 4.5 adta, és a képességeinek bővítése volt a fontos.
A SpaceXAI kiemelte, hogy a Grok 4.6 egy kibővített tréningen ment keresztül, ami olyan dolgokra fókuszált, mint a válogatott és minősített generált adatok érvelési és technikai koncepciókhoz és kifejezetten magas minőségű mérnöki információk. A folyamat során továbbfejlesztett optimalizáló és betanítási eljárást is bevetettek a szakemberek.
A Grok 4.6-ot számos ügynöki feladatra képezték ki célirányosan. Többek között nagy figyelmet kapott a tudásalapú munka, az általános programozás, a kernel optimalizálás, a webfejlesztés, valamint a számítógépes tervezés. Ezeken túl pedig további szakterület-specifikus környezetekben is tréningezték az eszközt, hogy minél rugalmasabban lehessen alkalmazni.
A vállalat beszámolója szerint az új eszköz az AA Intelligence Indexen már csak egy hajszállal maradt el a Claude Fable 5 mögött, a 62 pont ellenében 61 pontot ért el, a GDPVal-AA (v2) keretében pedig már meg is előzte azt, 1753 Elo pontot ért el, míg a Fable 5 “csak” 1741 pontot hozott össze, a GPT-5.6 Sol pedig 1728 pontra képes. A Terminal-Bench friss verziójában viszont elmarad az éllovasok mögött, csupán 26%-ot hozott össze, miközben a két ellenfele 34% körül vív szoros csatát. Emellett pedig a DeepSWE alatt is van némi lemaradása, ebben 65,9%-ot hozott össze, miközben a Fable 5 éppen 70%-on áll, a GPT-5.6 Sol pedig már 73%-kal szerepel az élen.
A Grok 4.6 először a Grok Build és a Cursor szolgáltatásában érhető el, de API-n keresztül is hozzáférhető már a partnerek számára. Egy egészen gazdaságos modellről beszélhetünk, ami lényegesen olcsóbban használható, mint a fent említett társai. Ebben az esetben 2 és 6 dollár egymillió token bevitele, illetve előállítása. Kínál a SpaceXAI prioritásos verziót is dupla áron, jelentősen megnövelt számítási kapacitással.
Korai tesztverzióban indult a Grok Bot
A SpaceXAI bemutatta a Grok Botot, ez egyelőre még korai béta stádiumban van, de már most sokat ígér a mesterséges intelligencia ügynök. A vállalat álláspontja szerint ez alkalmazások, eszközök, weboldalak és beérkező levelek kezelésében jeleskedik. Minden botnak saját felhőalapú számítógép osztható ki az egyes feladatokhoz, és a felhasználó távollétében is folytathatják a munkát.
A Grok Bot képes bejelentkezni a felhasználók által használt szolgáltatásokba, végre tudja hajtani a feladatokat több forrásból, alkalmazásból származó adatokkal, és amikor beavatkozásra van szükség, jelentkezik a felhasználónál. Fontos döntéseket nem hoz meg az ügynök (egyelőre), és minden érzékeny adat kezelésénél a felhasználó kezébe adja a rendelkezés jogát.
Bárhonnan lehet irányítani a Grok Botot, okostelefonról vagy böngészőből egyaránt kezelhető az ügynök. Ennek köszönhetően menet közben is azonnal reagálhat a felhasználó, ha a munkafolyamat valamilyen okból beavatkozást igényel. A botokkal akár több személy, munkacsoportok is dolgozhatnak. Ez a cég elmondása alapján még alig van túl a prototípus fázisán, és eddig csak belső használatra szolgált. Azonban komoly potenciál van benne, amit a SpaceXAI minden felhasználóval szeretne majd megosztani a jövőben, hogy a Grok Bot az emberek javát szolgálhassa.
A Grok Bot Windows és iOS támogatással indul, és azok tehetik majd próbára, akiknek SuperGrok Heavy, Cursor Ultra vagy Cursor Teams Premium előfizetése van. Egyelőre várólistával lehet bekerülni a tesztelők közé.
