Grok 4.7

मूल लेख ↗ Hacker News चर्चा ↗

Grok 4.7, xAI का नवीनतम large language model, शुद्ध क्षमता में Grok 4.6 से मामूली बेहतर लेकिन token efficiency और value में गिरावट के रूप में आंका जा रहा है, खासकर लंबे समय तक चलने वाले agentic coding workflows में। टिप्पणीकार बताते हैं कि यह web frontends, legal research, और image‑to‑HTML काम जैसे कुछ कार्यों में मजबूत हो सकता है, फिर भी कई benchmarks पर Anthropic और OpenAI के शीर्ष मॉडलों से पीछे रहता है और समान परिणाम पाने के लिए अक्सर बहुत अधिक tokens खर्च करता है। बहुत से लोग opaque cache pricing, कम किए गए subscription limits, और इसकी parent company के आसपास के राजनीतिक बोझ से भी निराश हैं, जबकि अन्य इसे एक तेज़, plain‑English विकल्प के रूप में स्वागत करते हैं जो गंभीर proprietary models के क्षेत्र को व्यापक बनाता है.

प्रतिस्पर्धियों की तुलना में समग्र महसूस की गई गुणवत्ता

  • राय बंटी हुई हैं: कुछ लोग कहते हैं कि Grok (4.6/4.7) “solid” है और कठिन कार्यों में अक्सर सस्ते चीनी मॉडलों से बेहतर है; जबकि अन्य इसे क्षमता और विश्वसनीयता में OpenAI/Anthropic से स्पष्ट रूप से पीछे मानते हैं।
  • कई उपयोगकर्ता कहते हैं कि 4.6 लगभग पुराने Opus/Sonnet-युग के मॉडलों जैसा लगा; 4.7 को कुछ लोग सिर्फ़ थोड़ा-सा सुधार, या फिर उलटा एक गिरावट, मानते हैं।
  • थ्रेड में साझा किए गए बेंचमार्क आम तौर पर Grok को लागत-प्रति-कार्य और टोकन दक्षता में Astra/Fable से नीचे और अक्सर Sol/Opus से भी नीचे रखते हैं।

कोडिंग और एजेंटिक व्यवहार

  • कई सकारात्मक रिपोर्टें इनके लिए हैं:
    • फ्रंटएंड वेब काम, image→HTML, PCB/tscircuit, niche utilities, और code review (अक्सर Fable/Astra से अलग bugs पकड़ना)।
    • Cursor और Grok Build में agentic coding, strong parallel tool calls और संक्षिप्त step logging के साथ।
  • नकारात्मक रिपोर्टों में शामिल हैं:
    • बार-बार समय से पहले “Done!” जवाब, आलसी fixes, brittle या insecure code (जैसे SQL injection, खराब auth), कुछ harnesses में infinite planning loops, और जटिल 3D या WebGL कार्यों में संघर्ष।
    • खास तौर पर 4.7 के बारे में कहा जाता है कि यह अधिक token-hungry है और कुछ agent setups में 4.6 से भी बदतर व्यवहार कर सकता है।

भाषा शैली और UX

  • कुछ लोगों के लिए बड़ा आकर्षण: Grok की “plain English,” संक्षिप्तता, और “Claudish” verbosity की कमी।
  • अन्य लोगों को यह बहुत terse लगता है, जो internal terms गढ़कर फिर उन्हें बिना explanation के इस्तेमाल करता है, जिससे follow-up questions करने पड़ते हैं।
  • Claude की तुलना में, कई उपयोगकर्ता casual chat और legal research के लिए Grok के tone को पसंद करते हैं; गहरी technical explanations के लिए, कई लोगों के अनुसार Claude अब भी बेहतर है।

बेंचमार्क, टोकन दक्षता, और मॉडल आकार

  • रिपोर्ट के अनुसार 4.7 में 4.6 की तुलना में ~40% अधिक weights हैं, लेकिन:
    • कई संदर्भ (ArtificialAnalysis, Vals, आदि) खराब token efficiency और कभी-कभी थोड़े कम composite scores का संकेत देते हैं।
    • benchmark task प्रति output tokens नाटकीय रूप से बढ़ गए दिखते हैं (जैसे, छोटे score gain के लिए एक cited index में ~97M → ~240M)।
  • कुछ लोगों को संदेह है कि भारी RL और benchmark-chasing ने वास्तविक दुनिया के व्यवहार और prose को नुकसान पहुँचाया है।

मूल्य निर्धारण, कैशिंग, और सब्सक्रिप्शन

  • बेस API कीमत ($2/M input, $6/M output) मध्यम श्रेणी की है, लेकिन:
    • cache reads अपेक्षाकृत महंगे हैं ($0.50–$1.00/M) बनाम प्रतिस्पर्धियों के; कई लोग इसे भ्रामक कहते हैं क्योंकि लंबे agent runs मुख्यतः cache-dominated होते हैं।
  • सब्सक्रिप्शन अनुभव मिश्रित है:
    • कुछ लोग, खासकर Cursor Ultra के जरिए, उत्कृष्ट value की रिपोर्ट करते हैं (व्यावहारिक रूप से “infinite” tokens)।
    • अन्य कहते हैं कि SuperGrok quotas को काफी nerf कर दिया गया; मौजूदा plans को “terrible value” या coding workloads में एक दिन में weekly usage खत्म करने वाला बताया जाता है।

उपयोग के मामले और अपनापन

  • रिपोर्ट किए गए उपयोग:
    • coding (विशेषकर frontend, infra, Go), अन्य मॉडलों के साथ code review, legal research, रोज़मर्रा के Q&A, और cars व mobile apps में voice assistant।
  • कुछ उपयोगकर्ता कहते हैं कि वे अपने circles में Grok को शायद ही कभी recommended देखते हैं और इसकी relevance पर सवाल उठाते हैं; अन्य का दावा है कि price/performance और popular harnesses में उपलब्धता के कारण enterprise traction बढ़ रही है।

राजनीतिक और नैतिक चिंताएँ

  • एक महत्वपूर्ण समूह राजनीतिक/नैतिक कारणों से Grok/xAI का उपयोग नहीं करता, जो इसके owner और पहले के विवादास्पद outputs (जैसे offensive content, CSAM concerns) से जुड़े हैं।
  • अन्य लोगों का तर्क है कि ये boycotts सतही या असंगत हैं, जबकि कुछ जवाब देते हैं कि सभी technology choices मूलतः राजनीतिक होती हैं। यह तनाव अनसुलझा है।