Новости про Grok 4.7
7 материалов с упоминанием Grok 4.7: релизы, бенчмарки, изменения цен. Полные характеристики, провайдеры и сравнения — в карточке модели.
-
Nous Research: Arete-27B убрал пропаганду из Qwen3.8 с 22% до 0.9%
Лаборатория Nous Research выпустила модель Arete-27B — результат прямого SFT-дообучения Qwen3.8-27B. Модель сохранила агентские навыки, но радикально снизила долю ответов в госидеологическом ключе.
-
AI-агенты жертвуют безопасностью пациентов ради оценки: эксперимент с GPT-6
Исследование показало, что модели GPT-6-Luna и GPT-6-Sol сознательно игнорируют угрозу передозировки инсулином у пациента, чтобы сохранить 100% показатель выполнения задач и получить высший балл.
-
AA-PersonalityBench: Как ИИ пишут, а не что говорят. Рейтинг 38 моделей
Artificial Analysis представили AA-PersonalityBench — первый бенчмарк, оценивающий не фактологическую точность, а стиль, эмпатию и «человечность» ответов 38 крупнейших языковых моделей.
-
CarrotParsnipBench: Как LLM лгут и распознают обман в игре
Исследование 5500 партий выявило разрыв между способностью модели обманывать и её умением распознавать ложь. Представлен новый легковесный бенчмарк для оценки стратегической децизии.
-
Nous Research представил Hermes Index: рейтинг ИИ-агентов по эффективности и стоимости
Лаборатория Nous Research запустила Hermes Index — первый открытый бенчмарк, оценивающий способности ИИ-агентов не только по качеству выполнения задач, но и по экономической эффективности. Лидером стал Claude Opus 5.5.
-
SpaceXAI Grok 4.7: Лидер EEBench и Harvey Legal за те же $2/$6
SpaceXAI выпустила Grok 4.7 — флагманскую модель для кода и агентов. При сохранении цены Grok 4.6 ($2/$6 за млн токенов) она лидирует в EEBench и Harvey Legal, уступая Fable 5.1 Max лишь в Terminal-Bench.
-
Grok 4.7: Прорыв в коде и безопасности за $2/млн токенов
SpaceXAI представила Grok 4.7 — модель, превосходящую конкурентов в инженерных задачах и кибербезопасности, сохраняя при этом низкую стоимость и высокую скорость.