گراک ۴.۵ منتشر شد؛ ماسک: رقیب کلود اپوس پارسال

ایلان ماسک، مدیرعامل اسپیس‌ای‌آی (SpaceXAI)، روز چهارشنبه مدل جدید خود به نام گرگ ۴.۵ (Grok 4.5) را منتشر کرد. این اولین مدل عمومی این شرکت پس از ادغام اسپیس‌ایکس (SpaceX) و ایکس‌ای‌آی (xAI) در ماه فوریه و معامله ۶۰ میلیارد دلاری اسپیس‌ایکس برای خرید کورسر (Cursor) است. این مدل برای برنامه‌نویسان، مهندسان و آنچه شرکت «کارگران دانش» می‌نامد، طراحی شده است؛ دسته‌ای که ظاهراً شامل همه از توسعه‌دهندگان نرم‌افزار گرفته تا وکلایی که قراردادها را بررسی می‌کنند و تیم‌های مالی که مدل‌های اکسل می‌سازند، می‌شود.

استراتژی این شرکت نه بر بهترین بودن مدل، بلکه بر مقرون‌به‌صرفه بودن آن تأکید دارد، حداقل در مقایسه با مدل‌های غربی. هزینه گرگ ۴.۵ برای هر میلیون توکن ورودی ۲ دلار و برای هر میلیون توکن خروجی ۶ دلار است. در مقابل، کلود اپوس ۴.۸ (Claude Opus 4.8)، پرچمدار فعلی آنتروپیک (Anthropic)، ۵ دلار برای ورودی و ۲۵ دلار برای خروجی هزینه دارد. همچنین، جی‌پی‌تی ۵.۶ سول (GPT 5.6 Sol)، جدیدترین مدل سطح بالای اوپن‌ای‌آی (OpenAI) که آن هم روز چهارشنبه عرضه شد، با قیمت ۵ دلار برای ورودی و ۳۰ دلار برای خروجی عرضه می‌شود.

ماسک در پستی در ایکس (X) توضیح داد که مدل جدیدش در چه جایگاهی قرار دارد. او آن را «تقریباً قابل مقایسه با اپوس ۴.۷، اما بسیار سریع‌تر» توصیف کرد. اپوس ۴.۷ پرچمدار قبلی آنتروپیک بود و اپوس ۴.۸ جایگزین آن شده است. کلود فیبل ۵ (Claude Fable 5) در حال حاضر پیشرفته‌ترین محصول آنتروپیک محسوب می‌شود.

ماسک این موضوع را یک مصالحه عمدی عنوان کرد: سرعت و هزینه به جای قابلیت خام، و مهندسان تسلا (Tesla) و اسپیس‌ایکس را به عنوان اثباتی بر کاربرد واقعی آن معرفی کرد.

اسپیس‌ای‌آی در زمان عرضه چهار نتیجه بنچمارک منتشر کرد که تصویر متفاوتی را نشان می‌دهد. دیپ‌اس‌دبلیو ای ۱.۱ (DeepSWE 1.1) میزان اطمینان یک هوش مصنوعی را در رفع اشکالات نرم‌افزاری که توسط توسعه‌دهندگان ارائه می‌شود، اندازه‌گیری می‌کند. این بنچمارک با استفاده از یک محیط آزمایشی استاندارد شده، امکان مقایسه عادلانه مدل‌ها را فراهم می‌کند و بر اساس درصد رفع مشکلات امتیازدهی می‌شود. گرگ ۴.۵ امتیاز ۵۳ درصد را کسب کرد که پایین‌تر از کلود اپوس ۴.۸ با ۵۹ درصد و جی‌پی‌تی ۵.۵ با ۶۷ درصد قرار گرفت. کلود فیبل ۵، مدل پیشرفته آنتروپیک، با ۷۰ درصد در صدر جدول بود.

در بنچمارک اس‌دبلیو ای بنچ پرو (SWE Bench Pro)، که مجموعه‌ای از مسائل مهندسی نرم‌افزار را بر اساس نرخ حل آن‌ها اندازه‌گیری می‌کند، گرگ ۴.۵ امتیاز ۶۴.۷ درصد را به دست آورد که برای پیشی گرفتن از جی‌پی‌تی ۵.۵ با ۵۸.۶ درصد در این آزمون خاص کافی بود. اپوس ۴.۸ همچنان با ۶۹.۲ درصد پیشتاز است و فیبل ۵ با ۸۰.۴ درصد در رتبه بعدی قرار دارد.

بنچمارک‌های این شرکت در مقایسه با جی‌پی‌تی ۵.۵ انجام شده است، نه جی‌پی‌تی ۵.۶، زیرا مدل اخیر چند ساعت پس از اعلام گرگ ۴.۵ عرضه شد.

اسپیس‌ای‌آی، گرگ ۴.۵ را با همکاری کورسر ای‌آی (Cursor AI) که اخیراً خریداری شده، بر روی ده‌ها هزار پردازنده گرافیکی انویدیا جی‌بی ۳۰۰ (Nvidia GB300 GPUs) در داخل کولوسوس (Colossus)، ابررایانه ممفیس با ظرفیت کلی بیش از ۲۰۰ هزار پردازنده گرافیکی، آموزش داده است. آزمایشگاه‌هایی که مدل‌هایشان در این بنچمارک‌ها بالاتر از گرگ ۴.۵ قرار گرفته‌اند، چنین سخت‌افزاری در اختیار ندارند. مدل عرضه شده رقابتی است، اما نه پیشتاز.

این الگو در چندین نسخه از گرگ تکرار شده است. اسپیس‌ای‌آی به طور مداوم با توان محاسباتی عظیم و امتیازات جایگاه سوم ظاهر شده است. آنچه با گرگ ۴.۵ تغییر کرده، قیمت‌گذاری و سیگنال آموزشی آن است.

استدلال قوی‌تر نه عملکرد خام، بلکه محاسبات بهره‌وری است. در وظایف اس‌دبلیو ای بنچ پرو، گرگ ۴.۵ به طور متوسط ۱۵,۹۵۴ توکن خروجی برای تکمیل هر کار استفاده کرده است. اپوس ۴.۸ برای همین کار ۶۷,۰۲۰ توکن مصرف کرده که ۴.۲ برابر بیشتر است.

برای تیم‌هایی که از هوش مصنوعی در حجم بالا استفاده می‌کنند، این تفاوت به صرفه‌جویی واقعی علاوه بر قیمت پایین‌تر هر توکن منجر می‌شود. حتی با وجود امتیاز پایین گرگ ۴.۵ در بنچمارک‌های کیفی، توکن‌های ارزان‌تر و بهره‌وری بیشتر در استفاده، امکان تکرار بیشتر را بدون صرف هزینه زیاد فراهم می‌کند.

این مدل با سرعت ۸۰ توکن در ثانیه نیز کار می‌کند که در قلمرو مدل‌های سریع قرار می‌گیرد. گرگ ۴.۵ بر اساس داده‌های جلسات توسعه‌دهندگان کورسر، از جمله ردیابی‌های اشکال‌زدایی و ویرایش‌های واقعی کد، به جای مخازن ایستا، آموزش دیده است. همانطور که ماسک در دادگاه اذعان کرد، شیوه‌های آموزشی ایکس‌ای‌آی پیش از این مورد بررسی قرار گرفته‌اند؛ این بار خط لوله از طریق پلتفرمی می‌گذرد که اسپیس‌ایکس در حال خرید کامل آن است.

برای توسعه‌دهندگانی که وظایف کدنویسی با حجم بالا را انجام می‌دهند، محاسبات منطقی است: تقریباً قابلیت اپوس ۴.۷ با ۶۰ درصد هزینه کمتر برای هر توکن ورودی. برای هر کسی که به دنبال پیشرفته‌ترین‌هاست، کلود فیبل ۵ در تمام دسته‌هایی که اسپیس‌ای‌آی برای انتشار انتخاب کرده، پیشتاز است. تست سریع ما با استفاده از گرگ در هرمس (Hermes) برای نوشتن خلاقانه ناامیدکننده و برای یک وظیفه کدنویسی ساده قابل قبول بود.

این مدل از طریق API، در هرمس و گرگ با نیم میلیون توکن زمینه (کمی کمتر از ۴۰۰ هزار کلمه) در دسترس است. کاربران اروپایی باید تا اواسط جولای برای استفاده از آن صبر کنند، زیرا اسپیس‌ای‌آی اعلام کرده است که گرگ ۴.۵ در اواسط ماه جولای به اتحادیه اروپا خواهد رسید.