Последняя итерация Grok показала интересные результаты. Версия 4.1 Fast с возможностями рассуждения набрала 93.5 по расширенному бенчмарку NYT Connections — это солидный рост на 1.4 пункта по сравнению с предыдущей моделью 4 Fast Reasoning, которая набрала 92.1.

Тем временем, нерассуждающий вариант 4.1 Fast зафиксировал 25.8, что почти на целый пункт выше, чем 24.9 его предшественника. Постепенные приросты, но они складываются, когда вы стремитесь к пределам производительности.

Что здесь стоит отметить? Модель рассуждений продолжает доминировать — по-прежнему существует огромный разрыв между режимами рассуждений и нерссуждений. Это разделение 93.5 против 25.8 говорит о том, где действительно важна вычислительная мощность.