اسپیسایآی (SpaceXAI) ایلان ماسک، Grok 4.5 را روز چهارشنبه منتشر کرد، این اولین مدل عمومی آن از زمان تکمیل ادغام SpaceX-xAI در فوریه و قرارداد 60 میلیارد دلاری در دست اقدام SpaceX برای خرید Cursor است. این مدل توسعهدهندگان، مهندسان و آنچه شرکت "کارگران دانش" مینامد را هدف قرار میدهد – ردهای که ظاهراً شامل همه از توسعهدهندگان نرمافزار گرفته تا وکلایی که قراردادها را بررسی میکنند و تیمهای مالی که مدلهای اکسل میسازند، میشود.
استدلال شرکت این نیست که این بهترین مدل است. بلکه این است که ارزان است، حداقل برای یک مدل غربی. Grok 4.5 به ازای هر میلیون توکن ورودی 2 دلار و به ازای هر میلیون توکن خروجی 6 دلار هزینه دارد. Claude Opus 4.8، پرچمدار اصلی Anthropic، برای ورودی 5 دلار و برای خروجی 25 دلار هزینه دارد. GPT 5.6 Sol، مدل جدید و رده بالای OpenAI که آن هم چهارشنبه عرضه شد، با قیمت 5 دلار برای ورودی و 30 دلار برای خروجی تعیین شده است.
ماسک در X پستی منتشر کرد و توضیح داد که مدل جدیدش در چه جایگاهی قرار دارد. او آن را "تقریباً با Opus 4.7 قابل مقایسه، اما بسیار سریعتر" توصیف کرد. Opus 4.7 پرچمدار قبلی Anthropic است؛ Opus 4.8 از آن زمان جایگزین آن شده است. Claude Fable 5 اکنون برترین محصول Anthropic است.
او این را به عنوان یک مصالحه عمدی بیان کرد: سرعت و هزینه بر توانایی خام، با مهندسان تسلا و اسپیساکس به عنوان اثبات کاربرد در دنیای واقعی.
اسپیسایآی (SpaceXAI) چهار نتیجه بنچمارک را هنگام عرضه منتشر کرد و تصویر کلی ترکیبی است. DeepSWE 1.1 قابلیت اطمینان یک هوش مصنوعی را در رفع اشکالات نرمافزاری واقعی که توسط توسعهدهندگان ارسال شدهاند، اندازهگیری میکند، با استفاده از یک تنظیمات آزمایش استاندارد تا مدلها به طور عادلانه مقایسه شوند، و بر اساس درصد مسائل حل شده امتیازدهی میشود. Grok 4.5 امتیاز 53% را کسب کرد که پشت سر Claude Opus 4.8 با 59% و GPT 5.5 با 67% قرار گرفت. Claude Fable 5، مدل پیشگام Anthropic، با 70% در صدر جدول قرار گرفت.
در SWE Bench Pro، یک بنچمارک دیگر که مجموعهای از مسائل مهندسی نرمافزار را بر اساس نرخ حل ارزیابی میکند، Grok 4.5 امتیاز 64.7% را کسب کرد که برای پیشی گرفتن از 58.6% GPT 5.5 در آن آزمون خاص کافی بود. Opus 4.8 همچنان با 69.2% پیشتاز است و Fable 5 با 80.4% در رتبه بالاتری قرار دارد.
بنچمارکهای شرکت با GPT 5.5 مقایسه میشوند، نه GPT 5.6، زیرا دومی نیز روز چهارشنبه، ساعاتی پس از اعلام Grok 4.5، راهاندازی شد.
اسپیسایآی (SpaceXAI) Grok 4.5 را با همکاری Cursor AI که اخیراً خریداری شده است، بر روی دهها هزار پردازنده گرافیکی Nvidia GB300 در داخل Colossus، ابررایانه ممفیس با ظرفیت کلی بیش از 200,000 پردازنده گرافیکی، آموزش داد. آزمایشگاههایی که مدلهایشان در همین بنچمارکها بالاتر از آن قرار دارند، سختافزاری نزدیک به این ندارند. مدل ارائهشده رقابتی است، اما رتبه اول را ندارد.
این الگو در چندین انتشار Grok تکرار شده است. اسپیسایآی (SpaceXAI) همواره با توان محاسباتی عظیم و نتایج رتبه سوم ظاهر شده است. آنچه با Grok 4.5 تغییر کرده است، قیمتگذاری و سیگنال آموزش است.
استدلال بهتر عملکرد خام نیست؛ بلکه محاسبات کارایی است. در وظایف SWE Bench Pro، Grok 4.5 به طور متوسط از 15,954 توکن خروجی برای تکمیل هر کار استفاده کرد. Opus 4.8 برای همان کار 67,020 توکن مصرف کرد که شکافی 4.2 برابری است.
برای تیمهایی که هوش مصنوعی را در حجم بالا اجرا میکنند، این تفاوت علاوه بر قیمت کمتر هر توکن، به صرفهجویی واقعی منجر میشود. حتی با وجود اینکه Grok 4.5 در بنچمارکهای کیفیت امتیاز پایینی کسب کرده است، توکنهای ارزانتر و کارایی بیشتر در استفاده، امکان تکرارهای بیشتر را بدون صرف هزینههای گزاف فراهم میکند.
این مدل همچنین با سرعت 80 توکن در ثانیه اجرا میشود که در قلمرو مدلهای سریع قرار میگیرد. Grok 4.5 بر اساس دادههای جلسات توسعهدهندگان از Cursor، شامل ردپاهای اشکالزدایی و ویرایشهای کد واقعی به جای مخازن ایستا، آموزش دیده است. همانطور که ماسک در دادگاه اعتراف کرد، شیوههای آموزش xAI پیش از این نیز مورد بررسی قرار گرفته بود؛ این بار خط تولید از طریق پلتفرمی اجرا میشود که SpaceX در حال خرید کامل آن است.
برای توسعهدهندگانی که وظایف کدنویسی با حجم بالا را اجرا میکنند، این محاسبات منطقی است: قابلیت تقریباً Opus 4.7 با 60% هزینه کمتر به ازای هر توکن ورودی. برای هر کسی که به دنبال پیشرفتهترین مدلهاست، Claude Fable 5 در هر دستهبندی که SpaceXAI منتشر کرد، پیشتاز است. آزمایش سریع ما با استفاده از Grok build در Hermes برای نوشتن خلاقانه ناامیدکننده و برای یک کار کدنویسی ساده قابل قبول بود.
این مدل از طریق API، در Hermes و Grok build با نیم میلیون توکن زمینه (کمی کمتر از 400,000 کلمه) در دسترس است. کاربران اروپایی باید قبل از استفاده از آن صبر کنند؛ SpaceXAI میگوید Grok 4.5 در اواسط جولای به اتحادیه اروپا میرسد.
