Musks AGI-löfte för Grok 5: det xAI faktiskt sade om färdplanen

Elon Musks uttalanden den 14 september handlade om en ambitiös men ännu oprövad modellplan för xAI. Grok 4.8 skulle enligt Musk avsluta sin förträning under veckan och sedan gå vidare till förstärkningsinlärning, ofta förkortat RL. Grok 5 lyftes fram som modellen som kan nå artificiell generell intelligens, AGI. Men xAI publicerade varken benchmarkresultat, modellkort, en operativ definition av AGI eller ett lanseringsdatum. Det är därför en grundarprognos, inte ett belägg för att AGI redan har demonstrerats. 124

Vad Musk sade om Grok 4.8 och Grok 5

Musk beskrev Grok 4.8 som en modell med 2,5 biljoner parametrar, tränad med xAI:s nya programvarustack i C++. Förträningen skulle bli klar under veckan, följd av RL. 12

Han beskrev också en kapacitetstrappa för modellerna efter Grok 4.7:

• Grok 4.8: en ”märkbar förbättring” jämfört med 4.7.
• Grok 4.9: sannolikt i samma klass som Astra eller Fable.
• Grok 5: ”kanske bättre än allt annat”, och när han fick en fråga om AGI pekade han på Grok 5 snarare än 4.8. 214

Formuleringen är viktig. ”Kanske bättre än allt annat” är inte samma sak som ett uppmätt prestationspåstående. AGI-påståendet följdes inte heller av någon specificering av vilka förmågor, vilken tillförlitlighet, grad av autonomi, säkerhetsnivå eller utvärderingsmetod som skulle krävas för att modellen ska räknas som AGI. Rapporteringen beskrev Grok 5 som xAI:s utlovade AGI-genombrott, men den underliggande färdplanen innehöll få uppgifter som går att testa. 210

Grok 4.7: jämförelsen var betydligt försiktigare

När det gällde den närmare förestående Grok 4.7 var Musk mer återhållsam. Han sade att modellen borde vara ”ungefär i nivå med Opus 5.0, inte 5.1”, bättre på vissa områden och sämre på andra. Han tillade att xAI fortfarande behövde förbättra multimodal prestanda, alltså förmågan att hantera exempelvis text, bild och andra datatyper tillsammans. 38

Det är ett snävare påstående än att säga att modellen är bäst totalt sett. Samtidigt gör det den senare färdplanen preliminär: Grok 4.8, 4.9 och 5 diskuterades innan utvecklare kunde utvärdera en offentligt lanserad Grok 4.7 på egen hand.

Därför spelar förseningen av Grok 4.7 roll

Den 2 september sade Musk att Grok 4.7 var ungefär tio dagar bort, vilket innebar en möjlig lansering omkring den 12 september. Den 11 september sade han i stället att modellen behövde ”några dagar till”. 720

Hans förklaring rörde RL-justering: xAI kan ha straffat långa svar för hårt, vilket kan ha fått modellen att ge upp tidigt på svåra uppgifter som den annars skulle kunna lösa och att kontrollera sitt arbete för dåligt. Musk framställde detta som en möjlig diagnos, inte som en slutgiltigt fastställd teknisk förklaring. 2021

Det är mer än en detalj om tidsplanen. Förseningen visar skillnaden mellan att slutföra en stor förträningskörning och att leverera en pålitlig produkt. Beteendet efter RL, utvärdering, multimodal kvalitet, tillförlitlighet, säkerhetsarbete, driftsättning och prissättning kan alla avgöra när – eller om – en modell faktiskt släpps.

Vad som faktiskt fanns tillgängligt

Den 14 september var Grok 4.7 ännu inte offentligt lanserad. xAI:s senast dokumenterade flaggskeppsmodell var fortfarande Grok 4.6, som släpptes den 12 augusti med angivet API-pris på 2 dollar per miljon inmatningstoken och 6 dollar per miljon utmatningstoken. 311

Under samma period rapporterades Claude Fable 5.1, Gemini 3.8 Flash och GPT-6 Astra som septemberlanseringar eller offentliggjorda erbjudanden. 3445 Konkurrensen ökar insatserna för xAI, men den bekräftar inte några jämförande prestandapåståenden om ännu osläppta Grok-modeller.

Slutsatsen: behandla färdplanen som ett påstående som måste verifieras

Den rapporterade skalan på 2,5 biljoner parametrar och den nya träningsstacken kan peka på stora infrastruktursatsningar. Men varken parameterantal eller beräkningskapacitet bevisar på egen hand förmåga, tillförlitlighet eller AGI. Förseningen av Grok 4.7 är en konkret påminnelse om att beteendet efter träningen kan vara avgörande. 120

För utvecklare, kunder och investerare är dessa kontrollpunkter mer användbara än formuleringar i en färdplan:

1. En officiell lansering med en tillgänglig modell eller produkt.
2. Publicerad prissättning, dokumentation och ett modellkort.
3. Reproducerbara benchmarkresultat, inklusive multimodala uppgifter och uppgifter med långa arbetsflöden där det är relevant.
4. En tydlig AGI-definition och utvärderingsstandard innan ett AGI-påstående behandlas som mer än en ambition.

Tills sådant underlag finns beskriver Musks uttalanden från den 14 september xAI:s avsedda riktning: Grok 4.8 efter förträning och RL, en starkare 4.9 och en mycket ambitiös Grok 5. De visar inte att någon av modellerna redan har nått den utlovade kapacitetsnivån. 24