Arena publicerade ett index byggt på 72 509 verkliga agentsessioner samma dag som bolaget meddelade en runda på 200 miljoner dollar. OpenAI tar de fem första platserna.
Modell
Grok 4.7
Grok 4.7 är en AI-modell utvecklad av SpaceXAI. På den här sidan samlas det som är offentligt känt om modellen och varje benchmarkresultat som Aivio News har registrerat för den, med källa och datum för varje enskild siffra.
Benchmarks
Alla artiklarInga verifierade resultat registrerade ännu.
Mer om Grok 4.7
Ett riktmärke gav språkmodeller ratten i en riktig Toyota, och bara en av dem tog sig i mål
DrivingBench sätter toppmodeller vid styrning, gas och broms i en riktig bil i gånghastighet. Avståndet mellan första och andra plats är nyheten.
Xiaomis MiMo-V2.6-Pro tar förstaplatsen bland öppna vikter i ett oberoende index, under MIT-licens
Telefontillverkaren släppte en expertblandningsmodell med en biljon parametrar, dess vikter, dess kod för förstärkningsinlärning och en löpande räkning av vad träningen kostade.
Bolagets egen tabell visar framsteg på kod-, teknik- och juridikprov. På Terminal-Bench 4.0 anges 38 procent, där en oberoende utvärderare mätte 26.
Musk skjuter upp Grok 4.7 och säger att träningen kan ha straffat långa svar för hårt
Lanseringen hade pekats ut till omkring den 12 september. Musks förklaring är ovanligt konkret: ett val i belöningsdesignen som väger kostnad mot uthållighet.