В середине недели пользователей Grok Lite ждал неприятный сюрприз: запросы к нейросети начали возвращать чистую абракадабру. Один пользователь попросил сгенерировать PDF и получил в ответ: "match it without and your they and two for planets can practical and often cheese…" с продолжением в том же духе на несколько абзацев. Другой обнаружил вместо содержимого длинный список ссылок на исследовательские статьи про reinforcement learning. Жалобы начали поступать уже в среду утром, и сообщество Grok на Reddit быстро заполнилось возмущёнными постами.
Масштаб проблемы оказался ограниченным: TechCrunch не смог воспроизвести баг в собственном тестировании, что указывает на проблему, затронувшую небольшую часть пользователей. Любопытно, что сбой проявлялся только на grok.com — аккаунт Grok в X работал без проблем. Это уже намекает на проблему не в самой модели, а скорее в инфраструктуре или кэшировании на стороне веб-интерфейса. xAI официально не комментировала ситуацию, но аккаунт Grok в X всё же ответил пострадавшим пользователям, назвав происходящее "редким временным глюком генерации" и посоветовав перезагрузить чат или пересоздать ответ. У многих это действительно помогло, хотя некоторые пользователи жаловались, что бессмыслица продолжалась даже после нескольких попыток.
Контекст здесь важен. Grok — относительно молодой проект xAI, и в последние месяцы компания переживает серьёзные кадровые потрясения. По данным The Information, за последние месяцы из xAI ушли почти все члены основателей и как минимум 50 инженеров и исследователей. Это значит, что за продуктом сейчас следит намного меньше глаз, чем было раньше, и внезапные баги становятся менее неожиданными. С другой стороны, компания продолжает развиваться: в июле вышла новая foundation model, позиционируемая как конкурент Claude Opus, но быстрее, экономнее по токенам и дешевле.
Для пользователей это напоминание о том, что даже у крупных ИИ-сервисов случаются сбои, и не всегда они находятся под полным контролем разработчиков. Баги вроде этого обычно временны и связаны с ошибками в генерации, кэшировании или конфигурации моделей на определённых серверах. Но тот факт, что проблема отреагировала на перезагрузку, говорит, что это не фундаментальная проблема модели, а именно инфраструктурный сбой. Хорошая новость: правильного диагноза и быстрого исправления здесь не требуется, просто нужна стабильность на уровне сервера.
В контексте российского рынка такие сбои актуальны для компаний, которые планируют интегрировать Grok или другие ИИ-сервисы в свои системы. Если вы готовите критичный процесс на основе внешней нейросети, стоит предусмотреть fallback и мониторинг качества ответов. Для задач автоматизации контента или анализа данных можно использовать локальные решения или сервисы с SLA, которые гарантируют стабильность. В России есть практика применения этих инструментов в PR, маркетинге и аналитике, и здесь баги такого масштаба обычно не критичны — пересоздать ответ или перезагрузить сессию никому не сложно.