benchr
أطلقت xAI النموذج في 12 أغسطس 2026، ثم أضافته إلى GitHub Copilot في 14 أغسطس. راجعت benchr إعلان الإطلاق ودليل المطور وجدول التسعير وإعلان التوفر وبطاقة النموذج. هذه المصادر تثبت عقد الخدمة، لكنها لا تثبت أن النموذج سينهي مهام مستودعك بالجودة أو التكلفة المطلوبة.
ابدأ من بوابة عبء العمل
لا تجعل ترتيب الإطلاق هو قرار الشراء. السؤال الأهم: هل تستفيد مهامك من استمرار الوكيل على عدة خطوات بما يكفي لتحمل سلوك جديد وشريحة سعر أعلى بعد 200K؟ استخدم المصفوفة التالية قبل إرسال أي حركة إنتاجية.
| نوع المهمة | جرّبه عندما | توقف عندما | ما الذي تقيسه |
|---|---|---|---|
| تعديل برمجي متعدد الملفات | تحتاج المهمة بحثاً وتعديلاً واختبارات وتعافياً من فشل أداة عبر أدوار كثيرة. | لا يفرض نظام الوكيل سقفاً للأدوار أو الصلاحيات أو التكلفة. | نجاح البناء، الانحدارات، قبول المراجع، والتكلفة الكاملة لكل تغيير مقبول. |
| تطبيق تفاعلي أو بصري | تريد جمع النص والصورة والأدوات داخل مسار واحد. | قالب محدد أو نموذج أصغر ينجز المهمة بلا دورة وكيل طويلة. | تغطية المتطلبات، مراجعة الواجهة، الوصول، وحجم إعادة العمل. |
| بحث يحتاج بيانات حديثة | يمكنك تفعيل أدوات بحث الويب أو X وتسجيل نتائجها ومصادرها. | لا تستطيع فصل النص المسترجع عن استنتاج النموذج أو الاحتفاظ بالمراجع. | اكتمال المصادر، الادعاءات غير المسندة، ومراجعة كل مرجع مؤثر في القرار. |
| تحويل قصير ومتكرر | يثبت نفس الاختبار تحسناً واضحاً في الجودة أو سير العمل. | الأولوية لسعر متوقع ومخرجات مقيدة، لا لسياق طويل ووكالة متعددة الخطوات. | نجاح الـschema، مرات الإعادة، والسعر مقابل خط الإنتاج الحالي. |
عتبة 200K قد تقلب القرار
رقم 2/6 دولار هو سعر البداية، وليس سعراً ثابتاً داخل نافذة 500K كلها. تعرض xAI للإدخال الأقل من 200K سعراً قدره 2 دولار، و0.50 للكاش، و6 للإخراج لكل مليون. عندما يصل البرومبت إلى 200K توكن أو يتجاوزه، تصبح القيم 4 و1 و12 دولاراً. تنطبق الشريحة الأعلى على التوكنز المفوترة في الطلب طويل السياق.
قسّم سجلاتك إلى طلبات تحت العتبة وأخرى عندها أو فوقها. احسب الحالتين في حاسبة التكلفة، ثم أضف رسوم الأدوات والمحاولات المعادة. لا تعامل نافذة السياق الكبيرة كمساحة مجانية.
غياب رقم لسقف الإخراج لا يلغي حدودك
يذكر الدليل أن إخراج النص بلا حد، لكنه لا يعطي رقماً أقصى للتوكنز. هذه فجوة موثقة، وليست إذناً بتشغيل الوكيل بلا توقف. ضع حداً للأدوار، ووقتاً أقصى، وسقف إنفاق، وقائمة أدوات مسموحة، وحجماً أقصى للملف، وقاعدة توقف عند تكرار الفشل. اطلب موافقة قبل أي حذف أو أثر خارجي.
ثبّت معرّف النموذج أثناء التقييم، وسجل البرومبت وschema الأدوات ومستوى الاستدلال. لا تقارن نتيجة بإعداد high مع خط أساس يستخدم جهداً أو أدوات مختلفة. يتيح مختبر benchr تثبيت الحالات ومعيار التقييم، لكنه لا يحتوي نتائج جاهزة لـGrok 4.6.
نتائج الإطلاق فرضية للاختبار
تنشر xAI نتيجة 69.9% على CursorBench v3.2 و65.9% على DeepSWE v1.1 للنسخة المسماة في جدولها. هذه أرقام المزوّد وليست قياسات مستقلة من benchr. تعطيك سبباً لاختبار مهام برمجية طويلة، لكنها لا تتنبأ بلغتك البرمجية أو صلاحيات المستودع أو إعداد CI أو معيار المراجعة لديك.
كوّن مجموعة إعادة تشغيل من أعمال تعرفها: إصلاح صغير، تعديل متعدد الملفات، فشل أداة يحتاج تعافياً، مهمة بصرية، وطلب طويل يتجاوز عتبة السعر. قيّم اكتمال المهمة، صحة التغيير، الانحدارات، انضباط الأدوات، المراجع عند الحاجة، وقت المراجع، والتكلفة. لا تنشر نسبة فوز ما لم تنشر الحالات والإعدادات والمخرجات الخام وطريقة الحساب.
خطّة ترحيل قابلة للرجوع
- ثبّت خط الأساس. احفظ النموذج الحالي والبرومبتات وتعريفات الأدوات ونسخة المستودع واختبارات القبول.
- أعد تشغيل الحالات نفسها. استخدم Grok 4.6 بجهد استدلال وحدود واضحة، من دون تغيير عدة عوامل معاً.
- راجع حالات الفشل. افحص استدعاءات الأدوات الخطرة والتغييرات الناقصة والحلقات المكلفة، لا المتوسط فقط.
- ابدأ بعينة منخفضة المخاطر. احتفظ بنموذج بديل وأوقف التوجيه تلقائياً عند سقوط بوابة قبول.
- وسّع على قيمة مقاسة. قارن العمل المقبول ووقت المراجع بإجمالي تكلفة التوكنز والأدوات والإعادة.
إذا كنت تنتقل من الإصدار السابق، ضع مراجعة Grok 4.5 بجانب تقرير الإعادة. بذلك تقارن السلوك الذي تعرفه، لا جدولين من حملتين مختلفتين.
| الحقل | السجل الموثق | قرار التشغيل |
|---|---|---|
| معرّف API | grok-4.6 | استخدام alias أو نسخة ثابتة للتكرار |
| السعر الأساسي | $2 إدخال / $0.50 كاش / $6 إخراج لكل 1M تحت 200K | سياسة الكاش وسقف إنفاق المهمة |
| شريحة السياق الطويل | $4 إدخال / $1 كاش / $12 إخراج لكل 1M عند 200K فأكثر | هل يظل المسار أفضل من الاسترجاع أو ضغط السياق؟ |
| السياق والإخراج | 500,000 توكن؛ لا سقف رقمي منشور للإخراج النصي | حدود الوقت والأدوار والإخراج والملفات |
| الواجهات والأدوات | Responses وChat Completions ودوال ومخرجات منظمة وبحث وتنفيذ كود | الصلاحيات والتسجيل وبوابات الموافقة |