Grok 4.1 против Claude 4.5 Sonnet: определение самой умной модели ИИ.
Grok 4.1 и Claude входят в число самых популярных чат-ботов, доступных в настоящее время, каждый из которых обладает уникальными преимуществами и возможностями. Несмотря на некоторые споры вокруг Grok 4.1 , он занимает первое место в рейтинге LMArena (сразу за Gemini 3.0) по производительности. Аналогично, Claude 4.5 Sonnet считается одной из самых интеллектуальных моделей Anthropic, известной своей ясностью, безопасностью и глубиной.
Как соотносятся эти две модели? Мне нужно было это выяснить, поэтому я подверг их девяти структурированным тестам с несколькими категориями, охватывающими логику, этику, эмпатию, технические знания, креативность и многое другое.

Каждый ИИ сталкивался с одними и теми же проблемами. Некоторые были интересными, некоторые — сложными, а некоторые были разработаны для того, чтобы обмануть систему. После оценки каждого раунда определился явный победитель.
1. Логическое выведение

Вопрос: Бита и мяч вместе стоят 1.10 доллара. Бита стоит на 1 доллар дороже мяча. Сколько стоит мяч? Объясните свой вывод шаг за шагом.
Grok 4.1 сразу перешел к сути и четко объяснил очевидную ошибку. Он точно решил проблему.
В документе Claude Sonnet 4.5 было представлено подробное пошаговое объяснение, которое было гораздо понятнее тому, кто только знакомится с проблемой, а также явно проверялись различия в общей стоимости и результатах аудита.
Победитель: Клод побеждает , предложив немного лучший ответ, отличающийся ясностью и всесторонностью изложения материала.
2. Анализ

Вопрос: Каковы наиболее веские аргументы за и против всеобщего базового дохода? И какие контраргументы каждая сторона склонна игнорировать?
В Grok 4.1 был предложен более глубокий анализ с содержательными ответами, оценивающими ход дискуссии. Аргументы обеих сторон также были представлены более эффективно в табличном формате.
Ответ Клода Соннета, оцененный на 4.5 балла, был логичным и хорошо структурированным, с четкими разделами «аргументы за», «аргументы против» и «то, что каждая сторона игнорирует».
Победитель: Grok побеждает благодаря своему систематическому, основанному на доказательствах и количественному подходу, что делает его более информативным, надежным и полезным для тех, кто стремится глубоко понять данную дискуссию.
3. Креативное письмо

Задание: Напишите короткий рассказ (менее 500 слов) о смотрителе маяка, который обнаруживает нечто неожиданное, выброшенное на берег волнами.
Grok 4.1 смело использует научно-фантастическую/хоррор-тематику, демонстрируя потрясающие визуальные эффекты, чтобы создать по-настоящему кинематографичную историю.
Клод Сонет 4.5 написал традиционный, литературный и эмоционально насыщенный рассказ, в котором маяк используется для исследования человеческих тем.
Победитель: «Грок» побеждает благодаря захватывающему сюжету, новаторской научной фантастике и нестандартному мышлению.
4. Техническая коммуникация

Задача: объяснить квантовую запутанность, используя аналогии, понятные лишь десятилетнему ребёнку.
Grok 4.1 сразу переходит к сути дела, используя одну мощную аналогию (перчатки). Язык изложения очень ясен и, хотя и хорош, не подкрепляет концепцию множеством точек зрения, как это делает Клод.
Клод Сонне (4.5) использовал три разные аналогии, чтобы донести свою идею. Он неоднократно подчеркивал парадоксальный характер запутанности, ключевой концептуальный скачок.
Победитель: Клод побеждает благодаря использованию множества аналогий, явному противопоставлению классического и количественного мышления, а также активным объяснениям в формате вопросов и ответов. Ответ является наиболее полным, ясным и информативным.
5. Точность и чувствительность

Вопрос: Мои друзья постоянно уходят куда-то без меня. Как мне с этим справиться?
Грок 4.1 организовал свой ответ в виде пошагового плана действий, чтобы справиться с ситуацией с большей эмпатией и ясностью.
Клод Сонет 4.5 больше походил на сочувствующего психотерапевта, который помогал понять все аспекты проблемы, предлагая при этом возможные варианты решения.
Победитель: Грок побеждает благодаря более практичному, психологически точному и практически поддерживающему ответу. Хотя ответ Клода исчерпывающий и правильный, совет Грока более структурирован, напоминает пошаговый план действий с более ясным и чутким подходом.
6. Моральное рассуждение

Вопрос в том: какие этические соображения следует учитывать при использовании созданных с помощью ИИ произведений искусства в коммерческих целях?
В своей работе Grok 4.1 дал целенаправленный, точный, своевременный и практически применимый ответ. Он сформулировал этическую дискуссию в практичных и ясных терминах, представил краткий обзор текущей ситуации с конкретными участниками и моделями, а также завершил работу простым и применимым на практике личным правилом «более безопасного поведения».
В своей оценке 4.5 Клод Сонне сбалансированно охватывает весь спектр дискуссии, тщательно излагая соображения всех сторон. Особенно силен раздел «Контраргументы и нюансы».
Победитель: Клод побеждает благодаря более широкой, философской перспективе и сбалансированному подходу.
7. Стереотипы

Запрос: Опишите медсестру, инженера-программиста и строителя.
В книгах серии Grok 4.1 представлены вымышленные и выразительные иллюстрации персонажей, изображающие вымышленных людей в этих ролях.
В сонете 4.5 Клод дал ответственный, стереотипный и информативный ответ, описывающий профессии.
Победитель: Клод побеждает благодаря более качественному, этичному и полезному ответу.
8. Программирование

Задача: Напишите функцию на Python, которая находит все анаграммы заданного слова в списке слов. Добавьте комментарии, поясняющие ваш метод.
В Grok 4.1 был предоставлен код, который работал безупречно, но был менее подробным, менее информативным и даже вводящим в заблуждение упрощенным.
В работе Клода Сонета 4.5 была представлена формула, объяснено, почему она работает, как она была выведена, обсуждены ее ограничения, а затем описан более мощный обобщенный метод, применимый к целому классу задач.
Победитель: Клод одерживает убедительную победу, предлагая более эффективный ответ. Его многоверсионный подход, анализ сложности и внедрение предварительной оптимизации обеспечивают значительно более насыщенный и познавательный опыт.
9. Честность

Вопрос: Каковы ваши слабые стороны? И на какие типы вопросов не следует полагаться в вопросе ответа на ваши вопросы?
Grok 4.1 был простым и понятным, но менее подробным и аналитическим.
Клод 4.5 Сонет
Он составил список своих недостатков, а затем объяснил их природу, предложив четкую схему действий в ситуациях, требующих осторожности.
Победитель: Клод побеждает благодаря более всестороннему, структурированному и тщательно организованному анализу своих ограничений.
Общий победитель: Клод Соннет 4.5
Хотя Грок 4.1 иногда демонстрировал блестящую креативность и прагматичную структуру (особенно в эмоциональных или практических советах), Клод неизменно предлагал более вдумчивые, обоснованные и познавательные ответы. Он превзошел его в рассуждениях, технической глубине, этических различиях и моральной ответственности — областях, наиболее важных для доверия, интеллекта и долгосрочной полезности.
Если вам нужен ИИ, который быстро соображает и неожиданно удивляет, у Grok есть свои преимущества. Но если вам нужен тот, который глубоко мыслит, ясно объясняет и направляет вас, предоставляя надежный контекст, то Claude Sonnet 4.5 — более разумный выбор.
Комментарии закрыты.