Mitä Musk oikeasti sanoi Grok 5:n AGI-väitteestä

Elon Muskin 14. syyskuuta esittämä xAI:n suunnitelma hahmotteli julkaisemattomien Grok-mallien ketjua: Grok 4.8 viimeistelisi esikoulutuksensa viikon aikana ja siirtyisi vahvistusoppimiseen (RL), kun taas Grok 5 esitettiin mallina, joka voisi yltää tekoälyn yleisälykkyyteen eli AGI:hin. Julkisia vertailutuloksia, mallikorttia, AGI:n toiminnallista määritelmää tai julkaisupäivää ei kuitenkaan annettu. Kyse on siis perustajan ennusteesta, ei osoitetusta AGI-tuloksesta. 124

Mitä Musk sanoi Grok 4.8:sta ja Grok 5:stä?

Musk kuvaili Grok 4.8:aa 2,5 biljoonan parametrin malliksi, joka on koulutettu xAI:n uudella C++-ohjelmistopinolla. Hänen mukaansa esikoulutus päättyisi kyseisellä viikolla, minkä jälkeen alkaisi vahvistusoppiminen. 12

Samassa yhteydessä hän hahmotteli Grok 4.7:n jälkeisille malleille seuraavan tason:

• Grok 4.8: selvä parannus verrattuna 4.7:ään.
• Grok 4.9: todennäköisesti Astra- tai Fable-tasoa.
• Grok 5: ”ehkä parempi kuin mikään muu”; AGI:ta koskeneeseen kysymykseen Musk viittasi Grok 5:een, ei Grok 4.8:aan. 214

Sanamuoto on olennainen. ”Ehkä parempi kuin mikään muu” ei ole mitattu suorituskykyväite. AGI-kehyksestä puuttuivat myös tarkennukset: mitä kykyjä, luotettavuustasoa, autonomiaa, turvallisuuskriteerejä tai arviointitestejä AGI edellyttäisi. Uutisointi tulkitsi Grok 5:n xAI:n väitetyksi AGI-läpimurroksi, mutta taustalla oleva suunnitelma ei tarjonnut testattavia yksityiskohtia. 210

Grok 4.7:ää koskeva arvio oli selvästi varovaisempi

Lähiajan Grok 4.7:stä Musk puhui maltillisemmin. Hänen mukaansa sen pitäisi olla ”suunnilleen Opus 5.0:n tasolla, ei 5.1:n”, joillakin alueilla parempi ja toisilla heikompi. Lisäksi xAI:n pitää hänen mukaansa korjata multimodaalista suorituskykyä – eli kykyä käsitellä esimerkiksi tekstiä ja kuvia yhdessä. 38

Tämä on paljon rajatumpi väite kuin kokonaisvaltaisen markkinajohdon julistaminen. Samalla se tekee myöhemmästä tiekartasta väistämättä alustavan: Grok 4.8:sta, 4.9:stä ja 5:stä puhuttiin ennen kuin kehittäjät olivat voineet arvioida Grok 4.7:ää julkisesti.

Miksi Grok 4.7:n viive on merkittävä?

Musk arvioi 2. syyskuuta, että Grok 4.7 olisi noin kymmenen päivän päässä, mikä viittasi noin 12. syyskuuta tapahtuvaan julkaisuun. Syyskuun 11. päivänä hän sanoi mallin tarvitsevan vielä ”muutaman päivän”. 720

Hänen esittämänsä mahdollinen selitys liittyi vahvistusoppimisen viritykseen: xAI saattoi rankaista vastausten pituudesta liian voimakkaasti. Tällöin malli lopettaa vaikeiden tehtävien ratkaisemisen liian aikaisin, vaikka kykenisi ratkaisuun, eikä tarkista työtään riittävän huolellisesti. Musk esitti tämän mahdollisena diagnoosina, ei lopullisesti varmistettuna teknisenä syynä. 2021

Kyse ei ole vain aikataulusta. Tapaus havainnollistaa eroa suuren esikoulutusajon valmistumisen ja luotettavan tuotteen julkaisemisen välillä. Vahvistusoppimisen tuottama käyttäytyminen, arvioinnit, multimodaalinen laatu, luotettavuus, turvallisuustyö, käyttöönoton valmius ja hinnoittelu voivat kaikki vaikuttaa siihen, milloin – ja julkaistaanko – malli.

Mitä oli saatavilla 14. syyskuuta?

Tuolloin Grok 4.7 ei ollut julkisesti julkaistu. xAI:n viimeisin dokumentoitu lippulaivamalli oli Grok 4.6, joka julkaistiin 12. elokuuta. Sen ilmoitettu API-hinta oli 2 dollaria miljoonalta syötetokenilta ja 6 dollaria miljoonalta tulostetokenilta. 311

Samaan aikaan Claude Fable 5.1:n, Gemini 3.8 Flashin ja GPT-6 Astran kerrottiin olevan syyskuussa julkaistuja tai julkistettuja tarjontoja. 3445 Kilpailutilanne lisää xAI:n suunnitelman painoarvoa, mutta se ei vahvista julkaisemattomien Grok-mallien vertailuväitteitä.

Käytännön johtopäätös: tiekartta on väite, joka pitää todentaa

Ilmoitettu 2,5 biljoonan parametrin koko ja uusi koulutusohjelmistopino voivat kertoa huomattavista infrastruktuuri-investoinneista. Parametrimäärä tai laskentakapasiteetti eivät silti yksin osoita mallin kyvykkyyttä, luotettavuutta tai AGI:ta. Grok 4.7:n viive muistuttaa käytännössä siitä, että koulutuksen jälkeinen mallikäyttäytyminen voi ratkaista paljon. 120

Kehittäjien, asiakkaiden ja sijoittajien kannalta keskeiset tarkistuspisteet ovat konkreettisempia kuin tiekarttapuhunta:

1. Virallinen julkaisu, jossa malli tai tuote on käytettävissä.
2. Julkaistut hinnat, dokumentaatio ja mallikortti.
3. Toistettavat vertailutulokset, myös multimodaalisista ja tarvittaessa pitkäkestoisista tehtävistä.
4. Selkeä AGI-määritelmä ja arviointistandardi, ennen kuin AGI-väitettä pidetään muuna kuin tavoitteena.

Kunnes nämä tiedot julkaistaan, Muskin 14. syyskuuta esittämät kommentit kertovat xAI:n tavoitellusta suunnasta: Grok 4.8 esikoulutuksen ja vahvistusoppimisen jälkeen, vahvempi 4.9 ja erittäin kunnianhimoinen Grok 5. Ne eivät osoita, että yksikään malleista olisi jo saavuttanut luvatun kyvykkyystason. 24