Grok 5 dan AGI: Pelan xAI Musk Masih Ramalan, Bukan Bukti

Pada 14 September, Elon Musk membentangkan laluan yang sangat bercita-cita tinggi untuk model Grok xAI: Grok 4.8 dikatakan akan menamatkan pralatihan pada minggu tersebut sebelum memasuki fasa pembelajaran pengukuhan (reinforcement learning, RL), manakala Grok 5 pula diletakkan sebagai model yang berpotensi mencapai kecerdasan am buatan, atau AGI. Namun, kenyataan itu tidak disertakan keputusan penanda aras awam, kad model, definisi operasi bagi AGI atau tarikh penyampaian. Buat masa ini, ia lebih tepat dibaca sebagai ramalan pengasas, bukannya pencapaian AGI yang telah dibuktikan. 124

Apa yang Musk katakan tentang Grok 4.8 hingga Grok 5

Menurut Musk, Grok 4.8 ialah model dengan 2.5 trilion parameter yang dilatih menggunakan timbunan perisian C++ baharu xAI. Beliau berkata pralatihan akan selesai pada minggu itu, diikuti proses RL. 12

Dalam perbincangan sama, beliau menggariskan kedudukan model selepas Grok 4.7 seperti berikut:

• Grok 4.8: peningkatan yang “ketara” berbanding 4.7.
• Grok 4.9: berkemungkinan berada dalam kelas Astra atau Fable.
• Grok 5: “mungkin lebih baik daripada apa-apa pun”, dan apabila ditanya tentang AGI, Musk merujuk kepada Grok 5 — bukannya 4.8. 214

Pilihan kata itu penting. Frasa “mungkin lebih baik daripada apa-apa pun” bukan dakwaan prestasi yang boleh diukur. Begitu juga, dakwaan berkaitan AGI tidak menjelaskan kebolehan yang diperlukan, tahap kebolehpercayaan, tahap autonomi, piawaian keselamatan atau set penilaian yang akan membolehkan sesebuah model dikira sebagai AGI. Walaupun laporan menggambarkan Grok 5 sebagai calon kejayaan AGI xAI, pelan hala tuju asasnya masih kekurangan butiran yang boleh diuji. 210

Grok 4.7: dakwaan lebih berhati-hati, tetapi masih belum boleh diuji

Bagi Grok 4.7 yang lebih hampir untuk dilancarkan, Musk mengambil nada yang lebih terkawal. Beliau berkata model itu sepatutnya “lebih kurang setara dengan Opus 5.0, bukan 5.1”, dengan prestasi lebih baik dalam sesetengah bidang dan lebih lemah dalam bidang lain. Beliau turut mengakui xAI masih perlu membaiki prestasi multimodal — iaitu keupayaan mengendalikan gabungan teks, imej dan bentuk input lain. 38

Ini jauh lebih sempit daripada mendakwa peneraju keseluruhan industri. Ia juga menjadikan unjuran bagi 4.8, 4.9 dan 5 bersifat sementara, kerana pembangun dan pengguna belum mempunyai keluaran awam Grok 4.7 untuk dinilai secara bebas.

Mengapa kelewatan Grok 4.7 penting

Pada 2 September, Musk berkata Grok 4.7 kira-kira 10 hari lagi untuk dilancarkan, yang membayangkan tarikh sekitar 12 September. Pada 11 September, beliau berkata model itu memerlukan “beberapa hari lagi”. 720

Penjelasan beliau berkait dengan pelarasan RL: xAI mungkin mengenakan penalti terlalu berat terhadap panjang respons. Ini dikatakan menyebabkan model menghentikan usaha terlalu awal pada tugasan sukar yang sebenarnya mampu diselesaikannya, selain tidak menyemak hasil kerjanya dengan cukup rapi. Musk membentangkannya sebagai kemungkinan punca, bukan diagnosis teknikal muktamad. 2021

Ini bukan sekadar isu jadual. Ia menunjukkan jurang penting antara menyiapkan latihan awal model besar dan menghantar produk yang benar-benar boleh diharap. Tingkah laku selepas latihan, penilaian, mutu multimodal, kebolehpercayaan, keselamatan, kesediaan penggunaan serta harga semuanya boleh menentukan bila — atau sama ada — sesuatu model dilancarkan.

Apa yang tersedia kepada umum ketika itu

Sehingga 14 September, Grok 4.7 belum dilancarkan kepada umum. Model utama xAI yang masih didokumenkan ialah Grok 4.6, yang dikeluarkan pada 12 Ogos, dengan harga API disenaraikan pada AS$2 bagi sejuta token input dan AS$6 bagi sejuta token output. 311

Dalam tempoh yang sama, Claude Fable 5.1, Gemini 3.8 Flash dan GPT-6 Astra dilaporkan sebagai keluaran atau tawaran yang diumumkan pada September. 3445 Persaingan ini meningkatkan tekanan terhadap pelan xAI, tetapi tidak membuktikan sebarang dakwaan prestasi perbandingan bagi model Grok yang belum dikeluarkan.

Rumusan: anggap pelan hala tuju sebagai dakwaan yang perlu disahkan

Skala 2.5 trilion parameter dan timbunan latihan baharu mungkin menandakan pelaburan infrastruktur yang besar. Namun, jumlah parameter atau kapasiti pengkomputeran semata-mata tidak membuktikan keupayaan, kebolehpercayaan atau AGI. Kelewatan Grok 4.7 pula menjadi contoh praktikal bahawa tingkah laku selepas latihan boleh menjadi faktor penentu walaupun latihan model utama telah selesai. 120

Bagi pembangun, pelanggan dan pelabur, titik semakan yang lebih bermakna ialah:

1. Pelancaran rasmi dengan model yang boleh diakses melalui produk atau API.
2. Harga, dokumentasi dan kad model yang diterbitkan.
3. Keputusan penanda aras yang boleh dihasilkan semula, termasuk ujian multimodal dan tugasan jangka panjang jika berkaitan.
4. Definisi AGI serta standard penilaian yang jelas sebelum dakwaan AGI dianggap lebih daripada aspirasi.

Sehingga bahan-bahan ini tersedia, kenyataan Musk pada 14 September hanya menetapkan arah yang dimahukan xAI: Grok 4.8 selepas pralatihan dan RL, Grok 4.9 yang lebih kuat, serta Grok 5 yang amat bercita-cita tinggi. Ia belum membuktikan bahawa mana-mana model tersebut sudah mencapai tahap keupayaan yang dijanjikan. 24