Grok 4 de xAI intègre une intelligence maximale avec recherche web et outils natifs

xAI annonce le lancement de Grok 4, qu'elle présente comme le modèle d'intelligence artificielle le plus intelligent au monde. Le développement a été réalisé en utilisant Colossus, un cluster de 200 000 unités de traitement graphique (GPU) qui a permis d'entraîner le modèle avec des techniques d'apprentissage par renforcement à grande échelle.

Le modèle intègre des capacités d'utilisation d'outils intégrés, lui permettant d'effectuer des recherches web autonomes et d'utiliser des interpréteurs de code. Lorsque les utilisateurs posent des requêtes complexes ou demandent des informations actualisées, Grok 4 formule ses propres requêtes de recherche et examine le contenu web pour construire des réponses détaillées.

L'entreprise développe également une version appelée Grok 4 Heavy, qui implémente le calcul parallèle en temps de test. Cette variante permet au modèle de considérer plusieurs hypothèses simultanément et atteint 50% de précision sur le benchmark "Humanity's Last Exam", devenant le premier modèle à dépasser cette marque.

Dans les tests de performance technique, Grok 4 atteint 15,9% sur ARC-AGI V2, un benchmark qui mesure les capacités de raisonnement général, doublant pratiquement les résultats des principaux modèles concurrents qui tournent autour de 8,6%. Dans les simulations de comportement commercial via Vending-Bench, le modèle parvient à générer une valeur nette de 4 694,15 dollars et à vendre 4 569 unités, dépassant largement d'autres systèmes d'IA qui atteignent en moyenne 2 077 dollars et 1 412 unités, et même les participants humains qui atteignent 844 dollars et 344 unités.

L'API Grok 4 offre des capacités multimodales avec une fenêtre de contexte de 256 000 tokens et intègre la recherche de données en temps réel à travers X, le web et les sources d'actualités. Le service inclut des certifications de sécurité d'entreprise telles que SOC 2 Type 2, GDPR et CCPA.

xAI introduit également un mode vocal amélioré qui permet des interactions parlées et une analyse visuelle en temps réel via la caméra de l'appareil. Le système peut traiter des scènes visuelles et répondre par conversation vocale.

L'entreprise indique qu'elle continuera à faire évoluer les techniques d'apprentissage par renforcement et à élargir les capacités multimodales du modèle, dans le but d'aborder des problèmes complexes du monde réel et d'améliorer l'efficacité des systèmes d'IA.