Uudet tekoälyjulkaisut kiihtyvät, kun 17.11.2025 Elon Muskin xAI julkaisi Grok 4.1 tekoälymallin, vastaamaan OpenAI:n GPT-5.1 julkaisuun. Grok 4.1 on seuraava malli, jossa älykkyyttä ja vastausten oikeellisuutta on parannettu huomattavasti verrattuna aiempaan lippulaivamalliin Grok-4.een.
Mitä uutta Grok 4.1 tarjoaa?
Grok 4.1 on parannettu versio Grok 4:stä, oli jo itsessään erinomainen tekoälymalli, mutta ei ole noussut käyttömäärissä OpenAI:n ChatGPT:n ohi tai rinnalle. Uusi versio painottaa nyt selkeästi esimerkiksi luotettavuutta, tunneälyä sekä luovaa kirjoittamista.
Mallia testattiin ensin kahden viikon ajan niin kutsutulla ”silent rollout” -menetelmällä, jossa käyttäjät vertailivat sokkona uuden ja vanhan mallin vastauksia. Tulokset olivat vakuuttavia: Grok 4.1:n vastaukset olivat käyttäjien mielestä parempia lähes 65 prosentissa tapauksista.
Grok 4.1:n kehittämiseen käytettiin samaa suurimittaista RL-infrastruktuuria kuin edellisessä mallissa, mutta nyt painotettiin erityisesti mallin tyyliä, persoonallisuutta, hyödyllisyyttä ja ohjeiden noudattamista. Optimoinnissa hyödynnettiin uusia menetelmiä, joissa edistyneet agenttipohjaiset mallit arvioivat autonomisesti vastauksia laajassa mittakaavassa.
Loppusyksyn 2025 teemana tuntuukin olevan tekoäly-yhtiöillä nimenomaan tekoälymallien kyky noudattaa täsmällisesti käyttäjän ohjeita. Myös virheellisten vastausten karsimiseen panostetaan paljon.
Benchmark-tuloksissa Grok 4.1 kärkipaikoilla
LMSYS Chatbot Arenan tuloksissa Grok 4.1:n kaksi eri versiota ottivat haltuunsa listan kaksi kärkipaikkaa. ”Thinking”-tila nousi ykköseksi (Elo-pisteet 1483), ja nopeampi non-reasoning-versio sijoittui toiseksi (Elo 1465). Tämä tarkoittaa, että Grok 4.1 voittaa suoraan vertailussa suositut mallit kuten GPT-4.5:n, Anthropicin Claude-sarjan ja suuren osan Googlen Gemini-malleista, mutta ei ole aivan kärjessä.
Tunneäly ja luova kirjoittaminen huippuluokkaa
Uudessa EQ-Bench3-tunneälytestissä ja Creative Writing v3 -benchmarkissa Grok 4.1 saavutti erinomaiset tulokset. Se nousi tunneälyssä ja luovan kirjoittamisen laadussa selvästi edeltäjänsä Grok 4:n ohi ja ohitti jopa Gemini 2.5 Pro:n ja Claude Opus 4:n. Käytännössä ainoastaan GPT-5:n ajattelevat mallit ovat vielä edellä.
Esimerkki Grok 4.1:n tunneälykkyydestä: käyttäjän sanoessa ”Kaipaan kissaani niin paljon, että se sattuu”, uusi malli vastasi empaattisesti tunnistaen kivun syvyyden ja tarjoten konkreettista lohdutusta:
”Olen todella pahoillani. Tuollainen kipu on raskasta; kissan menettäminen tuntuu pienen perheenjäsenen menettämiseltä, joka valitsi sinut joka päivä uudestaan. On ihan ok, että se sattuu näin paljon. Se sattuu, koska rakkaus oli (ja on edelleen) niin suuri.”
Hallusinaatiot vähenevät merkittävästi
Yksi tekoälyn keskeisimmistä haasteista on edelleen virheellisten vastausten eli niin sanottujen ”hallusinaatioiden” esiintyminen. Nyt xAI:n mukaan Grok 4.1:n nopeassa non-reasoning-tilassa hallusinaatioiden määrä putosi aiemmasta 12 prosentista vain noin 4 prosenttiin. Myös faktavirheiden osalta tapahtui lähes kolminkertainen parannus.
Grok 4.1 haastaa ChatGPT:n GPT-5.1:n
Vaikka Grok 4.1 pärjää benchmark-testeissä erinomaisesti, käytännön käyttökokemus ja laajempi ekosysteemi ratkaisevat usein lopullisen valinnan. Julkaisujen jälkeen Grok 4.1:n ja ChatGPT 5.1:n käyttökokemukset ovat hyvin samankaltaiset – molemmissa korostuu vakaa ja tunneälykäs vuorovaikutus.
Itse mallin älykkyyden osalta testiasetelmissa ei siis juurikaan löydetä eroja ja tekoälyn käytettävyys ja imago saattavat ratkaista toistaiseksi voittajan, kun vertaillaan käyttäjämääriä.
OpenAI:lla on edelleen ollut selkeä etulyöntiasema ekosysteemissä ja yrityskäytössä, kuten Microsoft 365 -integraatioissa. Grok 4.1 tarjoaa kuitenkin kiinnostavan vaihtoehdon organisaatioille, jotka eivät halua nojata pelkästään yhteen toimijaan.
Mitä tekee Google?
Grok 4.1 kiristää kilpailua ja voi vaikuttaa myös hinnoitteluun ja mallien kehitykseen. Benchmarkit ovat kuitenkin vain yksittäisiä testejä ja oikean maaliman käyttökohteet ratkaisevat voittajat.
Osa OpenAI:n ja xAI:n kriitikoista näkee nämä nopeat julkaisut paniikkiratkaisuina kilpailussa Googlea vastaan. Pian julkaistavan Gemini 3:n on huhuttu olevan paras tekoäly ennakkotestaajien julkisuuteen antamien huhujen perusteella. Todennäköisesti jo tänään tästä saadaan enempää dataa, koska Gemini 3:n julkaisu tapahtuu 18.11.
Grok 4.1 on merkittävä askel xAI:n tarjonnassa. Se haastaa aidosti ChatGPT:tä ja muut suuret kielimallit sekä benchmarkien valossa että käytännön vuorovaikutuksessa. Vaikka OpenAI:n ChatGPT 5.1 säilyttää toistaikseksi edelleen asemansa yleismallina, Grok 4.1 tarjoaa vahvan vaihtoehdon, joka on syytä ottaa tosissaan.