Bonjour les passionnés de l'AI!
Bienvenue dans la vingt-septième édition de "cette semaine dans AI Engineering"!
Cette semaine, le XAI d'Elon Musk a publié Grok 4 et Grok 4 Heavy, Google Research nous a surpris avec T5Gemma, des processeurs Genai open d'Open DeepMind, Mistral AI a déployé deux nouveaux modèles de codage Devstral et un visage étreint SmollM3.
Comme toujours, nous allons envelopper les choses avec des outils et des versions sous le radar qui méritent votre attention.
Les derniers modèles de Xai arrivent avec des allégations de renseignement «au niveau du doctorat» dans toutes les disciplines. Grok4 offre un raisonnement profond à un seul agent, tandis que Grok4Heavy tourne dans un groupe d'étude d'agents parallèles, chacun comparant les notes pour s'attaquer aux références les plus dures. Les deux expédiaient aujourd'hui avec des niveaux d'entreprise Supergrok et un nouveau plan d'abonnement de 300 $ / mois.
GROK4 (agent unique): raisonnement ciblé au niveau du troisième cycle sur les problèmes invisibles, scores SAT parfaits, performance GRE quasi parfaite entre les sciences humaines, les tiges, les langues, la physique et l'ingénierie.
Grok4Heavy (multi-agents): engendre plusieurs agents de raisonnement au moment du test, l'échelle de calcul par ordre de grandeur. Les agents «comparent les notes» pour augmenter la précision sur les tâches complexes.
Sur la référence ARC-AGI-2, il a enregistré une précision impressionnante de 15,9%, plus du double du score du meilleur modèle, devenant le premier à briser la barrière de 10%
Sur le "dernier examen de l'humanité" (HLE), il a réussi à résoudre 25% des questions organisées par des experts sans utiliser d'outils externes, tandis que Grok 4 Heavy est allé encore plus loin, dépassant la précision de 50% sur les éléments HLE en texte uniquement.
Indice d'intelligence de l'analyse artificielle: Grok 4 Heavy a obtenu un score de tête 73, surperformant les principaux modèles comme O3 et Google's Gemini 2.5 Pro (tous deux à 70), Anthropic's Claude 4 Opus (64) et Deepseek R1 0528 (68).
Croissance des calculs exponentiel: 100 × plus de formation de formation depuis Grok2, tirant parti des GPU de 200K de Colossus pour RL.
RL - First Paradigme: Investissements massifs de renforcement du renforcement, «RL est le nouveau pré-formation», avec des récompenses vérifiables pour les résultats pour le raisonnement des premiers princements.
Le goulot d'étranglement à l'avance: à mesure que Grok écailles, l'approvisionnement en RL de haute qualité devient essentiel pour maintenir les signaux de formation.