Grok正在向编程领域的竞争对手发起挑战。埃隆·马斯克旗下的xAI本周发布了一款专为开发者设计的新AI模型,称其为"快速且经济的推理模型",专门用于协助编程项目。
这款名为grok-code-fast-1的新模型,完善了今年早些时候发布的Grok 4模型系列。该编程模型属于智能体类型,意味着它能够在无需大量人工监督的情况下处理任务。xAI声称其模型表现超越了OpenAI的GPT-5、Anthropic的Claude 4以及xAI自家的Grok 4,能够解决70.8%的真实软件问题,这一数据基于SWE-bench评估标准。
不过,模型说明文档指出,该编程模型的错误率比Grok 4更高,这一点被PCMag发现。因此用户需要对AI完成的关键工作进行二次检查。
xAI联合创始人Yuhuai Wu在X平台表示,这是众多编程模型中的第一款。他在推文中写道:"这是新模型系列的开始——Grok Code系列。这次我们专注于速度。当模型超级快速时,这是一种全新的体验。"
智能体AI工具已成为日益激烈的AI竞赛中的热门发展方向,OpenAI、Anthropic和微软都各自发布了编程智能体版本。xAI的工具更类似于微软的产品,通过API提供服务,而非向付费的ChatGPT或Claude用户开放。
用户可以在接下来几天内通过多个独家平台免费使用这款新模型,包括Github Copilot、Cline、opencode、Cursor、Kilo Code、Roo Code和Windsurf。用户需要API密钥,价格按使用量计费。xAI还专门为编程模型制作了提示工程指南,帮助开发者充分利用该工具。
AI在编程项目中的应用是一个复杂的问题。生成式AI工具如聊天机器人已被证明是帮助初学者快速提升技能和协助专业人士解决问题的有效工具。智能体AI开始展现其在自动化非核心任务方面的能力。
这引发了一个问题:自动化工具是否会导致大规模就业中断,特别是对年轻软件工程师而言。斯坦福大学的一项新研究发现,职业生涯早期且大量接触AI的工作者面临高风险,如软件工程和客户服务领域。
常规的Grok聊天机器人和X/Twitter助手曾引发争议。今年夏天早些时候,该聊天机器人开始产生极端种族主义和反犹太主义内容,这发生在xAI创始人埃隆·马斯克发布"显著改进Grok"几天后。xAI随后撤回了更新,并表示已"采取行动禁止Grok在X平台发布仇恨言论"。
偏见始终是AI聊天机器人的问题,但Grok展示了这项技术如何快速演变为产生潜在滥用内容的工具。
Q&A
Q1:grok-code-fast-1是什么?有什么特点?
A:grok-code-fast-1是马斯克旗下xAI公司发布的专门用于编程的AI模型,被称为"快速且经济的推理模型"。它属于智能体类型,能够在无需大量人工监督的情况下处理编程任务,主打高速开发体验。
Q2:grok-code-fast-1的性能如何?
A:根据xAI的测试数据,该模型能够解决70.8%的真实软件问题,表现超越了OpenAI的GPT-5、Anthropic的Claude 4以及xAI自家的Grok 4。不过需要注意的是,该模型的错误率比Grok 4更高。
Q3:如何使用grok-code-fast-1?价格如何?
A:用户可以通过Github Copilot、Cline、opencode、Cursor等多个平台免费试用几天。正式使用需要API密钥,价格按使用量计费。xAI还提供了专门的提示工程指南帮助开发者更好地使用该工具。
好文章,需要你的鼓励
YouTube在年度Made on YouTube活动中发布多项更新,包括Studio新增"相似度"检测和唇同步配音功能,YouTube Live支持迷你游戏和双格式同步直播,Shorts集成Veo 3 AI视频生成模型。此外还推出播客AI剪辑工具、新的货币化选项如品牌合作和购物标签功能,以及YouTube Music的粉丝互动新特性。
Orange Research团队开发的DivMerge技术实现了AI模型合并的重大突破,通过基于信息论的Jensen-Shannon散度优化,能够将多个专门模型智能组合成保持各自专长的"超级模型"。该技术在双任务合并中达到99.18%性能保持率,显著优于传统88.48%的水平,且在多任务场景下展现更好扩展性,仅需25个样本即可有效工作,为AI应用降本增效提供了新路径。
英国政府与美国数据分析公司Palantir达成国防合作协议,该公司将投资15亿英镑并在英国设立欧洲国防总部,创造350个就业岗位。双方将合作开发AI驱动的军事决策和目标定位系统,这些技术已在乌克兰得到测试。该协议是英国战略防务评估的重要组成部分,旨在提升军事规划和目标选择能力。此次合作是美国科技巨头对英国310亿英镑投资承诺的一部分。
腾讯AI实验室联合多所知名高校开发了一种名为CDE的新型AI训练框架,通过模仿儿童的好奇心学习机制,让大语言模型能够自主探索未知领域。该方法使用两套"好奇心传感器"指导模型学习,在数学推理任务上平均提升3个百分点,同时解决了传统方法中的"校准崩塌"问题,为开发更智能自主的AI系统开辟了新路径。