最終更新日：2024-09-12

xAI、最先端言語モデル「Grok-2」ベータ版をリリース

AIニュース

2024年8月13日（現地時間）、xAIがGrok-2およびGrok-2 miniのベータ版をリリースした。これらは同社の最新言語モデルで、チャット、コーディング、推論において飛躍的な能力向上を実現している。

特筆すべきは、LMSYSリーダーボードでGrok-2が「sus-column-r」の名で参加し、Claude 3.5 SonnetやGPT-4-Turboを上回る成績を収めたことだ。xAIはこの革新的なAIを𝕏（旧Twitter）プラットフォームのユーザーに提供し、さらに今月中に企業向けAPIも公開予定である。

1 ＜本ニュースの10秒要約＞
2 Grok-2の卓越した性能と評価方法
3 学術ベンチマークにおける優れた成績
4 𝕏プラットフォームでのGrok-2体験
5 今後の展望と開発方針

＜本ニュースの10秒要約＞

xAIが新言語モデルGrok-2とGrok-2 miniをベータリリース、𝕏ユーザーに提供開始
Grok-2はLMSYSリーダーボードでClaude 3.5 SonnetとGPT-4-Turboを上回る性能を示す
学術ベンチマークで優れた成績を収め、視覚関連タスクでも最先端の性能を発揮

Grok-2の卓越した性能と評価方法

Grok-2は、LMSYSチャットボットアリーナで「sus-column-r」という名前で参加し、Claude 3.5 SonnetやGPT-4-Turboを上回る総合Eloスコアを獲得した。xAI社内でも同様の評価プロセスを採用しており、AIチューターがGrokとの対話を通じて、指示に従う能力や正確で事実に基づいた情報提供能力を評価した。

Grok-2の卓越した性能

Grok-2は特に、検索内容の推論や、ツールの使用能力において大幅な改善を示し、これには、不足情報の特定、イベントの順序の推論、無関係な投稿の破棄などが含まれる。

学術ベンチマークにおける優れた成績

Grok-2とGrok-2 miniは、推論、読解力、数学、科学、コーディングなど多岐にわたる学術ベンチマークで評価された。両モデルとも、前身のGrok-1.5から大幅な性能向上を達成し、大学院レベルの科学知識（GPQA）、一般知識（MMLU、MMLU-Pro）、数学競技問題（MATH）などの分野で他の最先端モデルと競争力のあるパフォーマンスを示したとのこと。

学術ベンチマークにおける優れた成績

特にGrok-2は視覚ベースのタスクで秀でており、視覚的数学推論（MathVista）や文書ベースの質問応答（DocVQA）で最先端の性能を発揮し、これらの結果は、Grok-2が幅広い分野で高い能力を持つことを示している。

𝕏プラットフォームでのGrok-2体験

xAIは𝕏プラットフォーム上でGrokの継続的な改善を行っており、今回の発表では新しいインターフェースと機能を備えた次世代のGrok体験を導入した。𝕏のプレミアムおよびプレミアム+ユーザーは、Grok-2とGrok-2 miniの2つの新モデルにアクセスできる。

Grok-2は、テキストと視覚の理解において高度な能力を持つ最先端のAIアシスタントで、プラットフォームからリアルタイムの情報を統合し、𝕏アプリのGrokタブからアクセス可能だ。一方、Grok-2 miniは、速度と回答品質のバランスを取った小型モデルとなっている。これらの新モデルは、前身と比較してより直感的で、制御しやすく、幅広いタスクに対応できる汎用性を持つ。