इलोन मस्क की कंपनी SpaceXAI ने बुधवार को Grok 4.5 को सार्वजनिक कर दिया है। यह फरवरी में हुए SpaceX और xAI के विलय के बाद पेश किया गया पहला बड़ा मॉडल है। यह लॉन्च ऐसे समय पर आया है जब SpaceX की ओर से 60 अरब डॉलर में कर्सर को खरीदने की प्रक्रिया भी चल रही है। कंपनी ने इसे मुख्य रूप से सॉफ्टवेयर डेवलपर्स, इंजीनियरों और उन पेशेवर 'नॉलेज वर्कर्स' के लिए लक्षित किया है जो कानूनी अनुबंधों की समीक्षा या फाइनेंस टीमों के साथ मिलकर जटिल एक्सेल मॉडल बनाने जैसे कार्यों में लगे रहते हैं।
लागत और प्रदर्शन के बीच संतुलन
बाजार में मौजूद अन्य विकल्पों की तुलना में SpaceXAI ने इस मॉडल को एक किफायती विकल्प के रूप में पेश किया है। Grok 4.5 के इनपुट के लिए प्रति मिलियन टोकन 2 डॉलर और आउटपुट के लिए 6 डॉलर की कीमत रखी गई है। तुलना करें तो, एंथ्रोपिक का फ्लैगशिप मॉडल Claude Opus 4.8 इनपुट के लिए 5 डॉलर और आउटपुट के लिए 25 डॉलर लेता है। वहीं, OpenAI का नया GPT 5.6 Sol मॉडल इनपुट के लिए 5 डॉलर और आउटपुट के लिए 30 डॉलर की दर पर उपलब्ध है। इलोन मस्क ने X प्लेटफॉर्म पर स्पष्ट किया कि उनका नया मॉडल गति के मामले में Opus 4.7 के समकक्ष है लेकिन काफी तेज है। कंपनी ने कच्ची क्षमता के बजाय गति और लागत पर ध्यान केंद्रित किया है, जिसे टेस्ला और SpaceX के इंजीनियरों के जरिए प्रमाणित माना जा रहा है।
बेंचमार्क परिणामों का विश्लेषण
SpaceXAI द्वारा साझा किए गए चार बेंचमार्क परिणामों में मिली-जुली तस्वीर सामने आई है। DeepSWE 1.1 बेंचमार्क में, जो वास्तविक सॉफ्टवेयर बग्स को ठीक करने की क्षमता मापता है, Grok 4.5 ने 53% अंक प्राप्त किए। इस सूची में Claude Opus 4.8 ने 59% और GPT 5.5 ने 67% अंक हासिल किए, जबकि Claude Fable 5 सबसे ऊपर 70% के स्कोर के साथ रहा। वहीं, SWE Bench Pro परीक्षण में Grok 4.5 ने 64.7% का स्कोर दर्ज किया, जिसने 58.6% स्कोर करने वाले GPT 5.5 को पीछे छोड़ दिया। हालांकि, Opus 4.8 का स्कोर 69.2% और Fable 5 का स्कोर 80.4% रहा। यह ध्यान रखना महत्वपूर्ण है कि कंपनी के बेंचमार्क में तुलना GPT 5.5 से की गई है, क्योंकि GPT 5.6 को Grok 4.5 की घोषणा के कुछ घंटों बाद लॉन्च किया गया था।
तकनीकी प्रशिक्षण और इंफ्रास्ट्रक्चर
Grok 4.5 को कर्सर AI के सहयोग से विकसित किया गया है। इसे मेम्फिस में स्थित कोलोसस सुपरकंप्यूटर पर हजारों Nvidia GB300 GPU का उपयोग करके प्रशिक्षित किया गया है, जिसमें कुल मिलाकर 200,000 से अधिक GPU की क्षमता है। बाजार में मौजूद अन्य लैब्स के पास इतनी विशाल हार्डवेयर शक्ति उपलब्ध नहीं है। यह मॉडल बाजार में प्रतिस्पर्धी तो है, लेकिन शीर्ष पर नहीं। Grok के पिछले वर्जनों की तरह ही, इस बार भी भारी कंप्यूटिंग शक्ति के बावजूद इसे तीसरा स्थान मिला है। हालांकि, नई बात यह है कि इस बार कंपनी ने मूल्य निर्धारण और प्रशिक्षण डेटा के स्रोतों में बदलाव किया है।
दक्षता का गणित और व्यावहारिक उपयोग
Grok 4.5 की असली ताकत इसकी दक्षता में छिपी है। SWE Bench Pro कार्यों के दौरान, Grok 4.5 ने प्रत्येक काम पूरा करने के लिए औसतन 15,954 आउटपुट टोकन का उपयोग किया, जबकि Opus 4.8 ने उसी कार्य के लिए 67,020 टोकन खर्च किए, जो कि 4.2 गुना अधिक है। यह अंतर बड़ी मात्रा में काम करने वाली टीमों के लिए बचत का बड़ा जरिया है। इसके अलावा, यह मॉडल 80 टोकन प्रति सेकंड की गति से चलता है, जो इसे काफी तेज बनाता है। इसे कर्सर के डेवलपर सत्र डेटा पर प्रशिक्षित किया गया है, जिसमें कोडिंग ट्रेस और वास्तविक कोड सुधार शामिल थे। यह मॉडल फिलहाल API के माध्यम से, हर्मेस और ग्रोक बिल्ड पर उपलब्ध है और इसमें पांच लाख टोकन (लगभग 4,00,000 शब्द) की संदर्भ सीमा है। यूरोपीय संघ के उपयोगकर्ताओं को इसके लिए मध्य जुलाई तक का इंतजार करना होगा।
