xAI запустила Grok 4.3: улучшенная агентская работа и сниженные цены
Снижение тарифов на токены и прогресс в кодинге: замеры производительности Grok 4.3 на актуальных бенчмарках.
Выпуск Grok 4.3 ставит xAI чуть выше Muse Spark и Claude Sonnet 4.6 по индексу интеллекта и на 4 пункта опережает последнюю версию Grok 4.20. Grok 4.3 улучшает свой показатель индекса искусственного анализа интеллекта, одновременно снижая затраты на запуск набора тестов.
Ключевые выводы:
➤ Grok 4.3 обеспечивает более высокую цену за интеллект по сравнению с Grok 4.20 0309 v2: он получает более высокие баллы по индексу интеллекта, но при этом требует меньше затрат на выполнение полного набора тестов. Grok 4.3 стоит 395 долларов США для запуска индекса искусственного анализа интеллекта, что примерно на 20% ниже, чем Grok 4.20 0309 v2, несмотря на использование большего количества токенов вывода. Это делает его одной из самых недорогих моделей на своем уровне интеллекта.
➤ Значительное увеличение производительности агентских задач в реальном мире. Наибольшее улучшение в отдельном тесте наблюдается в GDPval-AA, где Grok 4.3 набирает ELO 1500, что на 321 балл выше показателя Grok 4.20 0309 v2, равного 1179 Grok 4.3, что превосходит Gemini 3.1 Pro Preview, Muse Spark, Gpt-5.4 mini (xhigh) и Kimi. К2.5. Grok 4.3 сокращает разрыв с ведущей моделью GDPval-AA, но по-прежнему отстает от GPT-5.5 (xhigh) на 276 пунктов Эло, с ожидаемым процентом выигрыша ~ 17% против GPT-5.5 (xhigh) по стандартной формуле Эло.
➤ Grok 4.3 отлично справляется с выполнением инструкций и задачами агентской поддержки клиентов. Он набирает 5 баллов на 𝜏²-Bench Telecom и достигает 98%, что соответствует GLM-5.1. Grok 4.3 имеет оценку IFBench 81% по сравнению с Grok 4.20 0309 v2.
➤ Получает 8 очков по точности АА-Всеведения, но за счет более низкого показателя АА-Всеведения без галлюцинаций на 8 очков, поэтому Grok 4.20 0309 v2 по-прежнему лидирует по показателю отсутствия галлюцинаций АА-Всеведения, за ним следует MiMo-V2.5-Pro, в соответствии с Grok 4.3.
Поздравляем xAI с впечатляющим релизом!
Этот выпуск демонстрирует повышенную экономическую эффективность при использовании индекса интеллекта искусственного анализа, при этом Grok 4.3 удобно расположился на границе Парето по соотношению интеллекта и затрат.
Благодаря снижению цен входных токенов на 37,5% и снижению цен выходных токенов, проведение оценок Intelligence Index обходится в 395 долларов США, что в целом примерно на 20% меньше, чем в Grok 4.20 0309 v2.
Grok 4.3 использует примерно на 44% больше токенов вывода для запуска индекса искусственного анализа интеллекта, чем Grok 4.20 0309 v2, но использует такое же количество токенов, что и такие модели, как Minimax M2.7, и остается менее многословным, чем другие ведущие модели.
Наибольшее улучшение в отдельном тесте наблюдается в GDPval-AA, где Grok 4.3 имеет ELO 1500, что на 321 балл выше показателя Grok 4.20 0309 v2, равного 1179.
Разбивка индивидуальных оценок, включая ведущие баллы на 𝜏²-Bench Telecom и IFBench
