Grok 4: Testler, Özellikler, Kıyaslamalar, Erişim ve Daha Fazlası

Grok 4’ün Test Edilmesi

Yeni modelleri sık sık test ettiğim için, karşılaştırma yapabilmek adına bazı standart görevleri tekrar kullanma eğilimindeyim. Burada da aynısını yapacağım; matematik ve kodlamaya odaklanacağım. Bu, Grok’un kapsamlı bir değerlendirmesi olmayı amaçlamıyor—sadece tipik bir sohbet kurulumunda nasıl davrandığına dair bir fikir edinme yolu.

Matematik

Basit bir hesaplamayla başlamak istiyorum: 9,11 - 9,9. Bu size saçma gelebilir ama dil modellerini sık sık şaşırtır—örneğin Claude Sonnet 4 bunu yanlış yaptı. Elbette bir hesap makinesi kullanabilirim, ancak burada amaç, modelin probleme nasıl yaklaştığını ve gerekirse araçlara başvurup başvuramayacağını ya da zincirleme düşünme yoluyla doğrudan çözüp çözemeyeceğini görmek.

Bakalım Grok 4 nasıl yanıtladı:

İlk denemede doğru cevap verdi. Cevabı zincirleme düşünme yoluyla buldu ve ayrıca bir kod aracını kullanarak yanıtı doğruladı (harika!).

Ancak yanıt vermesi 31 saniye sürdü ve bu kadar basit bir istem için çıktı gereğinden uzundu.

Sonraki adımda, genellikle bir modelin bağlam penceresini zorlayabilen daha karmaşık bir matematik problemini Grok 4’te test etmek istedim:

İstem: 0’dan 9’a kadar tüm rakamları tam olarak birer kez kullanarak x, y, z olmak üzere üç sayı oluşturun; öyle ki x + y = z olsun.

Grok 4 probleme akıllıca yaklaştı. Önce, 0–9 sayılarının tüm 3.628.800 permütasyonunu Python ile birkaç saniyede oluşturabileceğini fark etti. Sonra toplamı 4 basamaklı bir sayı olan iki 3 basamaklı sayı kurulumunu denedi ve 96 geçerli çözüm döndüren bir kod yazdı!

from itertools import permutations

digits = range(10)

solutions = []

for p in permutations(digits):
    x_digits = p[0:3]
    if x_digits[0] == 0: continue
    y_digits = p[3:6]
    if y_digits[0] == 0: continue
    z_digits = p[6:10]
    if z_digits[0] == 0: continue
    x = int(''.join(map(str, x_digits)))
    y = int(''.join(map(str, y_digits)))
    z = int(''.join(map(str, z_digits)))
    if x + y == z:
        solutions.append((x, y, z))

print(solutions)

Ardından, aynı yaklaşımla (4 basamaklı artı 2 basamaklı eşittir 4 basamaklı gibi) diğer kombinasyonları denedi. Sonunda, bu matematik bulmacası hakkında daha fazlasını bulmak ve yanıtını doğrulamak için web’i aradı. Bu yanıtı sunması toplam 157 saniye sürdü:

Kodlama 

Kodlama görevi için, bu görevde Gemini 2.5 Pro ve Claude Opus 4 ile nasıl karşılaştırdığını görmek istedim:

İstem: Bana etkileyici bir sonsuz koşucu oyunu yap. Ekranda temel talimatlar olsun. p5.js sahnesi, HTML yok. Piksel dinozorları ve ilginç arka planları seviyorum.

İşte sonuç:

Başlıca eksisi, oyunun kullanıcının kendi başına başlamasına fırsat vermeden hemen başlaması. Piksel dinozor da biraz kaba görünüyor. Öte yandan, ekrandaki talimatlar net ve temel işlevsellik gayet iyi çalışıyor. Bu geri bildirimi Grok’a ilettim ve işte ikinci sürüm:

Gayet iyi!

Uzun bağlamlı çok modlu

Son olarak, Grok 4’ün uzun bağlamlı çok modlu görevleri ne kadar iyi yönettiğini görmek istedim. Avrupa Komisyonu’nun Üretken Yapay Zekâ Görünüm Raporunu (43.087 token) içeren bir PDF yükledim ve Grok’tan şunları istedim:

İstem: Bu raporun tamamını analiz et ve en bilgilendirici üç grafiği belirle. Her birini özetle ve PDF’nin hangi sayfasında göründüklerini belirt.

Önce yanıta bakalım, sonra irdeleyelim:

Dikkatimi çeken şeylerden biri, yalnızca 25 saniye sonra şaşırtıcı derecede çabuk durması oldu. 19, 20 ve 44. sayfalardaki (yanlış) grafikleri önerdi ve tatmin edici görünen bir yanıta ulaşır ulaşmaz 167 sayfalık belgenin geri kalanını yok saymış gibi göründü. Zincirleme düşünme eksik hissettiriyor ve oldukça yüzeysel bir yaklaşıma işaret ediyor:

Şimdi sonuçlara geçelim:

• Tüm sayfa numaralarını yanlış verdi.
• Grafik türlerini net biçimde tanımlayamadı—“bu çizgi ya da çubuk grafik” gibi ifadeler kullandı.
• Yanıtları ilk 50 sayfaya eğilimliydi ve muhtemelen raporun ilerleyen bölümlerindeki önemli kısımları atladı.
• Bir Sankey diyagramını (Şekil 6) “pasta ya da çubuk grafik” olarak yanlış sınıflandırdı.
• Şekil 6’yı Şekil 7 sandı ve sonunda Şekil 7’yi analiz etti.

Elon Musk’ın canlı yayında belirttiği gibi, Grok 4’ün görsel anlama ve üretimi hâlâ çok ileri düzeyde değil. Sürekli ve güvenilir sonuçlar istiyorsanız, şu anda Grok 4’ün esasen metin tabanlı bir model olduğunu söylemek bence adil.

Grok 4 Kıyaslamaları

Grok 4’ün asıl ünü, akademik sınavlardan iş simülasyonlarına kadar geniş bir karışımda sergilediği performans. xAI’ye göre model, esasen daha fazla hesap gücü sayesinde—hem eğitim hem çıkarım sırasında—önceki sürümlere göre önemli ölçüde iyileşiyor; yeni mimari atılımlar nedeniyle değil.

Humanity’s Last Exam (HLE)

Grok 4’ün performansının ardındaki temel desen ölçekleme. Daha fazla eğitim hesabından ve daha da ilginci, daha fazla test zamanı hesabından faydalanıyor. Basitçe söylemek gerekirse: Ne kadar fazla kaynak ayırırsanız, o kadar iyi performans gösteriyor. Bu, özellikle Humanity’s Last Exam (HLE) görevlerindeki performansında net.

Kaynak: xAI

Araç kullanımı olmadan Grok 4 yaklaşık %26,9 doğrulukta plato yapıyor. Araçlar etkinleştirildiğinde (ör. kod çalıştırma), %41,0’a ulaşıyor. Çok ajanlı “Heavy” konfigürasyonunda ise %50,7’ye tırmanıyor—önceki araçsız en iyi model puanlarının iki katından fazla olan büyük bir sıçrama.

Akademik ve STEM kıyaslamaları

Grok 4, alanda yüksek performanslı LLM’leri karşılaştırmak için kullanılan daha geleneksel STEM odaklı değerlendirmelerde de iyi iş çıkarıyor. Öne çıkanlar şunlar:

Bunlar sağlam sonuçlar. Grok 4, çoğu kategoride Claude Opus, Gemini 2.5 Pro ve GPT-4 (o3)’ü geride bırakıyor; ancak bazı kullanıcılar karşılaştırmaların rakip modellerden seçmece başlangıç puanları içerebileceğini belirtti.

Kaynak: xAI

ARC-AGI (ilerlemiş akıl yürütme)

Daha zor ve opak kıyaslamalardan biri, bir modelin soyut akıl yürütme görevleri arasında genelleme yapabilme yeteneğini test eden ARC-AGI’dir. ARC-AGI v1’de Grok 4 %66,6 puan alarak tüm bilinen akranlarının önünde yer alıyor. ARC-AGI v2’de ise %15,9 puan alıyor; Claude 4 Opus’un %8,6’sına kıyasla.

Bu testler tamamen kamuya açık değil, bu nedenle olağan çekinceler geçerli. Ancak rakamlar doğrulanırsa Grok 4, çok adımlı, mantık ağırlıklı akıl yürütme görevlerinde güçlü performans sergiliyor.

Vending-Bench (iş simülasyonu)

xAI, Grok 4’ü ayrıca Vending-Bench adlı gerçek dünya simülasyonunda test etti. Amaç, bir modelin zaman içinde küçük bir işletmeyi yönetip yönetemeyeceğini görmek: stoğu yenilemek, fiyatları ayarlamak, tedarikçilerle iletişime geçmek vb. Oldukça yeni ve şaşırtıcı derecede eğlenceli bir kıyaslama. Daha önce, haftalık bültenimiz The Median’da bir Claude Sonnet 3.7 vaka incelemesi üzerinden nasıl çalıştığını ayrıntılı biçimde ele almıştık.

Sonuçlar (beş koşunun ortalaması):

Grok 4, hem gelir hem ölçek açısından en yakın rakibinin performansını ikiye katladı. Ayrıca 300 tur süren simülasyon boyunca performansını tutarlı şekilde korudu—birçok model, uzun ufuklu planlama söz konusu olduğunda bununla mücadele ediyor.

Kaynak: xAI

Kısacası: Grok 4, xAI’nin test ettiği yerlerde iyi performans gösteriyor. Ancak her zaman olduğu gibi, sadece sıralamaların ötesine bakmalısınız. Kıyaslamalar umut verici, fakat hikâyenin tamamını anlatmıyor—özellikle kullanım senaryonuz görme, kod üretimi veya dağınık ortamlarda gerçek zamanlı etkileşime dayanıyorsa.

Grok 4’e Nasıl Erişilir

Grok 4’e artık üç ana giriş noktası üzerinden ulaşılabiliyor: X uygulaması, xAI API ve grok.com platformu. Modelle sohbet etmek, onunla geliştirme yapmak veya akıl yürütme yeteneklerini daha resmî şekilde test etmek isteyin, işte nasıl başlayacağınız.

Sohbet erişimi (X üzerinden)

Grok 4’ü denemenin en kolay yolu X uygulaması (eski adıyla Twitter) üzerinden. Bu, size ChatGPT veya Claude’a benzer bir sohbet arayüzünde Grok erişimi sağlar.

Kullanmak için:

• En üst seviye plan olan X Premium+’a abone olun.
• X uygulamasını açın (veya x.com’u ziyaret edin).
• Grok simgesine dokunun (mobilde alt menüde, masaüstünde kenar çubuğunda).
• Sohbete başlayın. Grok 4 varsayılan modeldir, ancak sürümler arasında geçiş yapabilirsiniz.

Grok.com üzerinden doğrudan erişim

Grok 4’ü doğrudan grok.com üzerinden de kullanabilirsiniz; bu platform X dışında daha sade, bağımsız bir arayüz sunuyor. Dikkat dağıtmayan bir kurulum tercih eden kullanıcıları hedefliyor.

• Şu adresi ziyaret edin: https://grok.com
• Kaydolun ve giriş yapın.
• Araç, kod ve uzun bağlam desteğiyle sohbet arayüzünde Grok 4’e erişin

Grok 4 API

Grok’u kendi uygulamanıza veya iş akışınıza entegre etmek istiyorsanız xAI API’yi kullanabilirsiniz.

Adımlar:

1. https://x.ai/api adresine gidin ve geliştirici erişimi talep edin.
2. Onaylandıktan sonra bir API anahtarı ve belgelere erişim alacaksınız.
3. Daha fazla ayrıntı için belgelendirmeyi mutlaka okuyun.

Grok 4’ten Sonra Ne Geliyor

Grok 4 yayımlandıktan sonra, xAI 2025’in geri kalanı için net (ve iddialı) bir yol haritası ortaya koydu. Canlı yayında gösterilen zaman çizelgesine göre, önümüzdeki üç ayda dört büyük sürüm sıralandı: Ağustos’ta bir kodlama modeli, Eylül’de çok modlu bir ajan ve Ekim’de bir video üretim modeli.

Kaynak: xAI

Ağustos: Uzmanlaşmış kodlama modeli

İlk takip sürümü, Ağustos’ta beklenen kod odaklı bir model. Genelci olan Grok 4’ten farklı olarak bu, kodu daha hızlı ve daha doğru işlemek üzere tasarlanmış uzman bir model olacak. xAI bunu “hızlı ve akıllı” olarak tanımladı; yazılım geliştirme iş akışlarında hem gecikmeyi hem akıl yürütmeyi iyileştirmek üzere özel olarak eğitilmiş.

Eylül: Çok modlu ajan

Eylül’de plan, gerçekten çok modlu bir ajanın yayımlanması. Şu an Grok 4 teknik olarak görüntü ve video girdilerini destekliyor, ancak anlayışı sınırlı—ekip canlı yayında bunu “buzlu camdan kısarak bakmak” olarak tanımladı.

Gelecek sürüm bunu düzeltmeyi, modele görüntü, video ve ses genelinde daha güçlü bir algı kazandırmayı hedefliyor. Bu, metnin ötesine geçen kullanım senaryoları için kilit önemde olacak: robotik, oyun oynama, video QA veya görsel talimat takibi gibi düşünün.

Ekim: Video üretim modeli

Mevcut zaman çizelgesindeki son sürüm, Ekim’de çıkacak bir video üretim modeli. xAI, bunu 100.000’den fazla GPU üzerinde eğiteceklerini söylüyor. Açıklamalarına göre bu sistem, yüksek kaliteli, etkileşimli ve düzenlenebilir video içerik üretmeyi hedefleyecek.

Sonuç

Grok 4, xAI için ciddi bir ileri adım. Birkaç yüksek zorluklu kıyaslamada rakiplerini geride bırakıyor, yapılandırılmış matematik ve bilim değerlendirmelerinde iyi dayanıyor ve araştırma ortamları ile uzun ufuklu düşünme için umut vaat eden çok ajanlı bir sistemi (Grok 4 Heavy) tanıtıyor.

Bununla birlikte, günlük genel amaçlı asistanınız değil. Grok 3’ten daha yavaş, görüntü ve video anlama yetileri hâlâ erken aşamada ve günlük kullanılabilirlik açısından biraz ciladan yoksun. Nispeten sınırlı bağlam penceresi nedeniyle özenli istemlemeye ve girdilerinizi budamaya ihtiyacınız olacak. Ve en iyi performansı—Grok 4 Heavy üzerinden—istiyorsanız bunun için prim ödeyeceksiniz.

Geliştiriciler ve araştırmacılar için keşfetmeye değer. Gündelik kullanıcılar içinse Grok 3’ün veya diğer ana akım modellerin hızı ve tepkiselliği daha uygun. Yol haritası iddialı; Ekim’e kadar bir kodlama modeli, çok modlu ajan ve video üretici geliyor. xAI’nin bunları zamanında sunup sunamayacağı ayrı bir soru. Ancak Grok 4 ile en azından yarışta olduklarına dair ikna edici bir tablo çizdiler.