Grok 4.5

मूल लेख ↗ Hacker News चर्चा ↗

लोकप्रियता और अपनाना

  • कई टिप्पणीकारों का कहना है कि Grok, GPT/Claude/Gemini की तुलना में बहुत कम उपयोग होता है; वे OpenRouter टोकन थ्रूपुट का हवाला देते हैं, जो लगभग एक क्रम-परिमाण (order of magnitude) कम है।
  • इसकी प्रतिष्ठा इसके मालिक से जुड़ाव, पहले की “MechaHitler”/CSAM विवादों, और कथित वैचारिक एजेंडा के कारण प्रभावित हुई है; कुछ लोग सिद्धांततः इसका उपयोग करने से इनकार करते हैं।
  • अन्य लोगों को राजनीति से फर्क नहीं पड़ता और वे इसे केवल कीमत/प्रदर्शन के आधार पर आंकते हैं, या यह नोट करते हैं कि बहुत से लोग अपने मुद्दों के बावजूद चीनी मॉडल खुशी-खुशी इस्तेमाल करते हैं।

कोडिंग प्रदर्शन और बेंचमार्क

  • व्यापक सहमति है कि Grok के पहले के संस्करण SWE के लिए पीछे थे; 4.5 को पहली ऐसी रिलीज़ माना जा रहा है जो प्रतिस्पर्धी है।
  • कोडिंग बेंचमार्क (DeepSWE, TerminalBench, SWE-Bench Pro) पर यह लगभग “Opus 4.7 tier” / GLM‑5.2 के समान दिखता है, हालांकि कुछ लोग अभी भी GPT‑5.5/Opus 4.8 को अधिक भरोसेमंद मानते हैं।
  • कई लोग इसकी गति और टोकन दक्षता की प्रशंसा करते हैं (उच्च tokens/sec, साथियों की तुलना में कम reasoning tokens)। कुछ इसे जटिल refactors, debugging, test-suite overhauls, और Kubernetes fixes में बहुत अच्छा बताते हैं।
  • अन्य लोग रिपोर्ट करते हैं कि यह साधारण refactors पर “लगभग अनुपयोगी” है, जिससे harness समस्याओं, डोमेन निर्भरता, या बस असंगतताओं का संकेत मिलता है।
  • Tool-calling और agentic व्यवहार को Grok 4 की तुलना में काफी बेहतर बताया गया है, लेकिन इस पर अभी भी बहस है।

मूल्य निर्धारण और टोकन अर्थशास्त्र

  • API मूल्य निर्धारण: 200k context से नीचे 1M input/output tokens पर $2/$6, और 200k से ऊपर दोगुना; cache hits input price के 25% पर आते हैं (कई अमेरिकी और चीनी प्रतिस्पर्धियों से अधिक)।
  • कुछ लोग इसे दक्षता को शामिल करने पर “Opus-class at Haiku prices” मानते हैं; अन्य कहते हैं कि यह DeepSeek/GLM की तुलना में अभी भी महंगा है।
  • सदस्यता संबंधी शिकायतें: $40 योजना से Grok Build के केवल ~8 घंटे/माह मिलते हैं; SuperGrok और Cursor bundles अधिक देते हैं, लेकिन Codex/Claude Code की तुलना में मूल्य-प्रस्ताव पर विवाद है।

प्रशिक्षण डेटा, बेंचमार्क और गोपनीयता

  • प्रशिक्षण में Cursor IDE इंटरैक्शन डेटा के “ट्रिलियनों tokens” के साथ बड़े RL environments का उपयोग हुआ। कई लोग इसे coding quality के लिए असली moat मानते हैं।
  • चिंता: Cursor डिफ़ॉल्ट रूप से, भुगतान करने वाले ग्राहकों के लिए भी, user work पर training करता है, जिससे IP-leakage की चिंताएँ बढ़ती हैं।
  • synthetic-data “model collapse” की चिंताओं पर चर्चा होती है; थ्रेड में आम सहमति है कि curated, mixed real/synthetic data ठीक है।
  • CursorBench आंशिक रूप से training data से contaminated था; इसे सार्वजनिक benchmark chart से बाहर रखा गया, लेकिन कुछ लोग इसे benchmark juicing risk मानते हैं।

राजनीति, पक्षपात और विश्वास

  • एक बड़ा subthread bias पर बहस करता है: कई बाहरी विश्लेषण (जिनका थ्रेड में उल्लेख है) को इस रूप में समझा जाता है कि प्रमुख labs बाईं ओर झुके हुए हैं, जबकि Grok थोड़ा दाईं ओर लेकिन केंद्र के सबसे करीब है; अन्य लोग इन अध्ययनों पर सवाल उठाते हैं।
  • कई लोगों को यह असहज लगता है कि किसी model को एक अरबपति की राजनीति के अनुसार इतनी सीधे तौर पर tuned किया जा सकता है, और वे गैर-राजनीतिक क्षेत्रों में चुपचाप होने वाली backend “nudging” से डरते हैं, जिससे यह एक supply-chain risk बन जाता है।
  • प्रतिवाद: सभी frontier labs RLHF/RLAIF के जरिए outputs को आकार देते हैं; कोई भी राजनीतिक रूप से तटस्थ नहीं है, इसलिए Grok बस अधिक स्पष्ट है और कुछ लोगों के लिए अधिक “balanced” है।
  • नाबालिगों के आसपास पहले के image behavior और “MechaHitler” persona को आलोचक बार-बार red lines के रूप में उद्धृत करते हैं; समर्थकों का कहना है कि इन मुद्दों को patch कर दिया गया है और वे अन्य labs के साथ censorship differences पर ध्यान देते हैं।

पहुंच, क्षेत्रीय लॉकिंग और रिलीज़ समय

  • Grok 4.5 प्रारंभ में EU में उपलब्ध नहीं है (VPNs काम करते हैं); xAI का कहना है कि EU support जल्द आ रहा है। Region-locking को असामान्य लेकिन अस्वाभाविक नहीं माना जाता।
  • टिप्पणीकार बड़े model announcements के बार-बार एक साथ आने (Grok बनाम GPT releases) का उल्लेख करते हैं और प्रतिस्पर्धी timing, corporate intelligence, और PR strategy के बारे में अनुमान लगाते हैं।

बाज़ार रणनीति और प्रतिस्पर्धा

  • कुछ लोग Grok को बीच में फँसा हुआ मानते हैं: न तो best-in-class और न ही सबसे सस्ता; Anthropic/OpenAI/DeepSeek/GLM पर इसे चुनना कठिन है।
  • अन्य तर्क देते हैं कि xAI का विशाल cluster, excess capacity, और Cursor/X/Tesla के साथ integration उसे लागत कम करके niche बनाने की गुंजाइश देता है, भले ही market share कम हो।
  • व्यापक सहमति है कि गंभीर coding/research में Anthropic अभी भी आगे है, जबकि अन्य क्षेत्रों में OpenAI और Google मजबूत हैं; Grok 4.5 को xAI को “non-contender” से “second tier but relevant” की ओर ले जाते हुए देखा जा रहा है।