Grok 4.5 впечатляет в независимых тестах, но окончательный вердикт Arena ещё впереди.
Независимые тесты Grok 4.5 действительно впечатляют. Даже если отдельный бенчмарк может быть предвзятым, множество отзывов от самых разных людей и организаций подтверждают: модель показывает очень высокие результаты.
Основная интрига сейчас связана с обновлением рейтинга LM Arena. Платформа стала особенно сильным инструментом благодаря доступности бэкенда в A/B-сравнениях, поэтому мы советуем ориентироваться именно на неё при оценке фронтенд-задач. И вот здесь всё не так просто.
При разработке интерфейсов LLM вынуждена додумывать дизайн активнее, чем в бэкенде. Все детали просто невозможно заранее прописать в спецификации.
Поэтому мы призываем отложить вердикт о том, что Grok 4.5 отобрал часть бизнеса у Dario Amodei (Anthropic), до публикации обновлённой таблицы лидеров LM Arena. Представители платформы уже подтвердили: Grok 4.5 участвует в A/B-тестировании.
Ещё новости:
