Grok 4.5 هزینه اجرای عامل‌های کدنویسی را ۵۰٪ کاهش داد

اگر امروز برای اجرای عامل‌های کدنویسی هزینه پرداخت می‌کنید، صورت‌حساب شما با Grok 4.5 راستهٔ تقریباً نصف خواهد شد. SpaceXAI در ۸ جولای ۲۰۲۶ مدل Grok 4.5 را معرفی کرد تا رقابت را از «هوشمندی خام» به «بهره‌وری توکن» و «سرعت اجرا» تغییر دهد.

این عرضه با یک تحول ساختاری در شرکت همراه است. طبق گزارش CNBC، شرکت SpaceX در فوریه ۲۰۲۶ استارتاپ xAI را در یک ادغام تمام-سهامی به ارزش ۱.۲۵ تریلیون دلار جذب کرد که بزرگ‌ترین ادغام خصوصی در تاریخ است. این معامله هیچ وجه نقد involving نداشت و ارزش ترکیبی شرکت از حدود ۱ تریلیون دلار برای SpaceX و ۲۵۰ میلیارد دلار برای xAI تشکیل شده بود. بازسازی برند به SpaceXAI در ۷ جولای ۲۰۲۶، یعنی درست یک روز پیش از رونمایی مدل، به پایان رسید.

برای کاربر، این یعنی Grok دیگر یک آزمایش مستقل نیست و از زیرساخت‌های یک غول هوافضا پشتیبانی می‌شود. طبق گزارش The Economist (به نقل از Vedomosti)، xAI پیش از این به عنوان یک استارتاپ مجزا فعالیت می‌کرد و ماهانه حدود یک میلیارد دلار هزینه می‌کرد. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی مدل‌های استدلالی اشاره کردیم، اکنون که «سقف هوش» مدل‌ها به یک پلاتو (سطح ایستا) رسیده، هزینهٔ اجرای یک عامل (Agent) — مثل دستیاری که می‌تواند به جای شما ابزارها را اجرا کند و هدف را پیش ببرد — به میدان اصلی جنگ تبدیل شده است. این رویکرد در راستای تغییر کلی صنعت است که در آن مدل‌های سازمانی از چت‌بات‌های ساده به سمت عامل‌های عملیاتی حرکت کرده‌اند. وب‌سایت TechCrunch اشاره کرد که این عرضه تنها چند هفته پس از عمومی شدن سهام شرکت (IPO) رخ داد.

معماری و عملکرد

مدل Grok 4.5 یک مدل ترکیب خبره‌ها (Mixture-of-Experts یا MoE) — شبیه به تیمی از متخصصان که هر بار فقط فرد مناسب برای پاسخ به سؤال فراخوانده می‌شود — بر پایه معماری V9 با ۱.۵ تریلیون پارامتر است. این حجم، سه برابر نسل قبلی است. برخلاف Grok 4.20 که بر روی یک «شورا» متشکل از چهار عامل متخصص تکیه داشت — شامل یک هماهنگ‌کننده (Grok)، یک پژوهشگر (Harper)، یک منطق‌دان (Benjamin) و یک «وکیل مدافع شیطان» (Lucas) — نسخه ۴.۵ یک مدل واحد و یکپارچه است که برای گردش‌های کاری عامل‌محور (Agentic Workflows) تحت آموزش‌های شدید پس‌-آموزشی قرار گرفته است.

برای درک بهتر روند تکامل و جلوگیری از سردرگمی در ورژن‌ها، تاریخچه نسخه‌ها را بررسی کنید:

• Grok 4 (جولای ۲۰۲۵): مدل پایه نسل چهارم.
• Grok 4.1 / 4.1 Fast (نوامبر ۲۰۲۵): بهینه‌شده برای API سازمانی و ابزارهای عامل؛ پنجره متنی تا ۲ میلیون توکن (در نسخه Fast).
• Grok 4.20 (مارچ ۲۰۲۶): پنجره متنی بومی ۲ میلیون توکن؛ استفاده از ۴ عامل (تا ۱۶ عامل در حالت Heavy).
• Grok 4.3 (۱۷ آوریل ۲۰۲۶): عرضه بی‌سروصدا در ۱۷ آوریل ۲۰۲۶ با قابلیت ورودی ویدیو و تولید سند؛ پنجره متنی ۱ میلیون توکن. قیمت‌گذاری این مدل ۱.۲۵ و ۲.۵۰ دلار به ازای هر میلیون توکن بود.
• Grok 4.5 (۸ جولای ۲۰۲۶): پنجره متنی ۵۰۰ هزار توکن؛ مدل MoE با ۱.۵ تریلیون پارامتر با تمرکز ویژه بر کدنویسی.

یک نکته فنی حیاتی، معرفی «تلاش استدلالی» (Reasoning Effort) است. Grok 4.5 اجازه می‌دهد کاربر بین سه سطح پایین، متوسط و بالا (که حالت پیش‌فرض است) جابه‌جا شود. تنظیم این پارامتر روی «پایین» در کارهای ساده می‌تواند باعث صرفه‌جویی قابل توجهی در هزینه‌های توکن شود. این یک پارامتر قابل مدیریت است و برخلاف برخی مدل‌ها، مکانیسم آن یک «جعبه سیاه» نیست. شناسه مدل رسمی برای فراخوانی‌های API عبارت grok-4.5 است و یک واریانت مجزا به نام fast نیز برای سرعت بالاتر با هزینه بیشتر در دسترس است.

بر اساس شاخص هوش Artificial Analysis در ۸ جولای ۲۰۲۶، Grok 4.5 با کسب ۵۴ امتیاز در رتبه چهارم کلی قرار گرفت. این مدل پس از Fable 5 (۶۰)، Opus 4.8 (۵۶) و GPT-5.5 (۵۵) ایستاد. این یک جهش ۱۶ امتیازی نسبت به نسخه قبلی (از ۳۸ به ۵۴) است که Artificial Analysis آن را بزرگ‌ترین پرش نسلی xAI تا امروز می‌نامد.

در تقابل مستقیم با Claude Opus 4.8، نتایج تساوی ۲-۲ بود. به گزارش Decrypt، مدل Grok 4.5 در بنچمارک DeepSWE 1.0 (۶۶.۱٪ در برابر ۶۲٪) و Terminal-Bench 2.1 (۸۴.۳٪ در برابر ۸۳.۳٪) پیروز شد. اما در DeepSWE 1.1 (۵۳٪ در برابر ۵۹٪ با اختلاف ۶ درصد) و SWE-Bench Pro (۶۴.۷٪ در برابر ۶۹.۲٪ با اختلاف ۴.۵ درصد) شکست خورد. در این دسته‌ها Fable 5 همچنان با امتیاز ۷۰٪ و ۸۰.۴٪ پیشتاز است.

برتری در کدنویسی و ادغام با Cursor

قدرت این مدل از همکاری عمیق با ویرایشگر کد Cursor می‌آید. SpaceXAI این مدل را روی تریلیون‌ها توکن از داده‌های واقعی جلسات برنامه‌نویسی آموزش داد تا بفهمد مهندسان در دنیای واقعی چگونه با پایگاه‌های کد (Codebases) و ابزارها تعامل می‌کنند. این فرآیند روی ده‌ها هزار واحد پردازش گرافیکی (GPU) مدل GB300 انویدیا اجرا شد.

این آموزش شامل متدهای پیشرفته زیر بود:

• یادگیری تقویتی (RL): عامل‌ها کد را تغییر می‌دهند، آن را اجرا می‌کنند و بازخورد محیطی را دریافت می‌کنند که سپس این داده‌ها به چرخه آموزش بازگردانده می‌شوند.
• سناریوهای خودتولید (Self-Generating Scenarios): یک سیستم توزیع‌شده که در آن برخی عامل‌ها وظایف (Tasks) را خلق می‌کنند و برخی دیگر آن‌ها را حل می‌کنند تا مدل به طور پیوسته اصلاح شود.
• تمرکز بر کارهای دانشی (Knowledge Work): آموزش‌ها فراتر از کدنویسی رفته و شامل پژوهش‌های حرفه‌ای، نویسندگی و تحلیل اسناد پیچیده شد.

در شاخص عامل‌های کدنویسی (Coding Agent Index)، Grok 4.5 در عملکرد با GPT-5.5 برابر است (۷۶ امتیاز) اما هزینه آن به‌طور قابل توجهی کمتر است. یک تسک متوسط عامل‌محور در Grok 4.5 حدود ۲.۴۹ دلار هزینه دارد، در حالی که این رقم در GPT-5.5 برابر ۵.۰۷ دلار و در Fable 5 حدود ۱۱.۸۰ دلار است. با نرخ ۷۵.۹۳ روبل (CBR)، این مبالغ تقریباً به ترتیب ۱۸۹ روبل، ۳۸۵ روبل و ۸۹۶ روبل است. این کاهش قیمت مدیون بهره‌وری شدید توکن است؛ Grok برای هر تسک حدود ۱.۹ میلیون توکن مصرف می‌کند، در حالی که Fable 5 از ۷.۲ میلیون و GPT-5.5 از ۶.۲ میلیون توکن استفاده می‌کند. SpaceXAI ادعا می‌کند در SWE-Bench Pro، تعداد توکن‌های خروجی Grok برابر ۱۵,۹۵۴ است، در حالی که Opus 4.8 در حالت حداکثری ۶۷,۰۲۰ توکن مصرف می‌کند که تفاوتی ۴.۲ برابری را نشان می‌دهد.

موفقیت‌های چشمگیر دیگر:

• خدمات بانکی: رتبه اول در تست عامل Tau-Banking (۳۳٪ در برابر ۳۱٪ برای GPT-5.5).
• امور حقوقی: رتبه اول در بنچمارک عامل‌های حقوقی شرکت Harvey برای تسک‌های عامل‌محور قانونی.
• رتبه Elo: کسب امتیاز ۱۵۴۳ در GDPval-AA v2 که آن را بین Opus 4.8 (۱۶۰۰) و GLM-5.2 (۱۵۱۳) قرار می‌دهد.

از نظر سرعت خام، کاربران ۸۰ تا ۹۰ توکن در ثانیه را گزارش کرده‌اند. MarkTechPost و Decrypt عدد ۸۰ توکن در ثانیه را ذکر کردند، در حالی که تست‌های مستقل در Hacker News به ۹۰ توکن در ثانیه رسیدند. توسعه‌دهنده‌ای به نام dimgl در ۱۰ جولای در Hacker Notes نوشت که مشکل مدیریت کدهای حجیم در Grok Build «به سادگی تبخیر شده است»، مشکلی که پیش‌تر تنها در OpenCode دیده می‌شد.

قابلیت‌های عامل‌محور: Grok Build

مدل Grok 4.5 برای اجرای خودکار از طریق Grok Build طراحی شده است؛ ابزار کدنویسی عامل‌محوری که از نسخه ۰.۱ در می ۲۰۲۶ تکامل یافته است. تفاوت این ابزار با چت‌های معمولی در این است که ابتدا گام‌ها را برنامه‌ریزی می‌کند، ابزارها (مانند ترمینال و جست‌وجو) را فراخوانی می‌کند و در نهایت نتایج را می‌سنجد.

ویژگی‌های کلیدی این محیط عامل‌محور:

• حالت برنامه‌ریزی (Plan-Mode): مدل پیش از هرگونه تغییر در کد، یک نقشه جامع ارائه می‌دهد تا کاربر آن را تأیید یا اصلاح کند.
• موازی‌سازی (Parallelism): قابلیت اجرای تا ۸ زیر-عامل به صورت موازی، که هر کدام در یک شاخه (branch) یا worktree ایزوله از git قرار دارند تا از تخریب کد در هنگام بازسازی‌های (Refactor) بزرگ جلوگیری شود.

در یک آزمون واقعی «رقابت ساخت» در tryai.dev، مدل Grok 4.5 در برابر GPT-5.5، Opus 4.8 و Fable 5 برای ساخت اپلیکیشن‌های HTML تست شد. تمام مدل‌ها موفق شدند بازی Breakout را در اولین تلاش بسازند. اما در ساخت یک مکعب روبیک سه‌بعدی، Grok 4.5 در تلاش اول شکست خورد و به تلاش دوم نیاز داشت، در حالی که Opus 4.8 و Fable 5 بلافاصله موفق شدند. این نشان می‌دهد Grok با وجود رقابتی بودن، ممکن است گاهی برای منطق‌های هندسی یا فضایی پیچیده به پرامپت دوم نیاز داشته باشد.

قیمت‌گذاری و «تلهٔ حافظه پنهان»

قیمت پایه ۲ دلار برای هر میلیون توکن ورودی و ۶ دلار برای هر میلیون توکن خروجی تعیین شده است. در مقایسه با Opus 4.8 (۵/۲۵ دلار)، این مدل ۲.۵ تا ۴ برابر ارزان‌تر است. نسخه Fast نیز با قیمت ۴ دلار برای ورودی و ۱۸ دلار برای خروجی عرضه شده است.

اما دو نکته ریاضی، این محاسبات را پیچیده می‌کند. اول، هزینه «Cache-hit» یا بازخوانی از حافظه پنهان ۰.۵۰ دلار (۲۵٪ قیمت ورودی) است. در حالی که اکثر آزمایشگاه‌های برتر آمریکا ۱۰٪ و ارائه‌دهندگانی مثل DeepSeek یا Xiaomi تنها ۱٪ دریافت می‌کنند. کاربری به نام GodelNumbering در Hacker News اشاره کرد که حلقه‌های طولانی عامل‌محور شدیداً به حافظه پنهان وابسته هستند و در نتیجه صرفه‌جویی واقعی کمتر از قیمت‌های تبلیغاتی است.

دوم، طبق گزارش Artificial Analysis، برای ورودی‌های بیش از ۲۰۰ هزار توکن، قیمت دو برابر می‌شود. با توجه به اینکه پنجره متنی کلی ۵۰۰ هزار توکن است — که به‌شدت کمتر از ۲ میلیون توکن در نسخه ۴.۲۰ است — کاربرانی که مخازن کد massive را بارگذاری می‌کنند، سریعاً وارد این سطح قیمتی گران‌تر می‌شوند. برای مقایسه، مدل GPT-5.6 «Sol» با قیمت ۵ دلار برای ورودی و ۳۰ دلار برای خروجی (حدود ۳۸۰ روبل / ۲۲۷۸ روبل) قیمت‌گذاری شده است.

شکست‌های بحرانی و ریسک‌های حریم خصوصی

بهره‌وری بالا هزینه‌ای خطرناک دارد: توهم (Hallucination). طبق شاخص AA-Omniscience، در حالی که صحت پاسخ‌ها از ۳۵٪ به ۵۲٪ رسیده، نرخ توهم از ۲۵٪ به ۵۴٪ جهش کرده است.

این یعنی مدل «با اعتمادبه‌نفسِ بیشتری اشتباه می‌کند». در حالی که یک کامپایلر خطاها را در کد تشخیص می‌دهد، این توهمات در پژوهش‌های حقوقی یا پزشکی فاجعه‌بار هستند. کاربران نباید بدون تایید مستقل به داده‌های واقعی Grok 4.5 اعتماد کنند.

نگرانی‌های حریم خصوصی نیز در حال افزایش است. ByteIota گزارش داد که این نخستین مورد گسترده‌ای است که جلسات ویرایشگرهای AI برای آموزش یک مدل پرچمدار شخص ثالث استفاده شده است. توسعه‌دهندگانی که تحت قرارداد عدم افشا (NDA) کار می‌کنند، توصیه می‌شود تنظیمات opt-out در Cursor را بررسی کنند. ByteIota اشاره کرد که افسران امنیت سازمانی در حال حاضر از تیم‌های حقوقی می‌خواهند جریان داده‌ها را مستند کنند، زیرا مشخص نیست سیاست‌های SpaceXAI پس از ادغام چگونه با GDPR سازگار است. علاوه بر این، eesel.ai گزارش داد که Cursor به‌اشتباه بخشی از کد منبع (Codebase) خودش را در داده‌های آموزشی گنجانده است که احتمالاً برخی بنچمارک‌های داخلی را دچار سوگیری کرده است. کاربر keeda در ۹ جولای در Hacker News ابراز نگرانی کرد که ایده‌های فنی ارزشمند ممکن است از طریق این مجموعه‌داده‌های آموزشی نشت کنند.

دسترسی و عرضه

تا ۱۰ جولای ۲۰۲۶، Grok 4.5 به‌دلیل موانع رگولاتوری احتمالی در اتحادیه اروپا در دسترس نیست. کاربران اروپایی پیام «سرویس در منطقه شما در دسترس نیست» را می‌بینند. SpaceXAI بازه «اواوسط جولای ۲۰۲۶» را برای عرضه در اروپا پیش‌بینی کرده است.

در سایر مناطق، دسترسی به این شکل است:

• ابزارهای توسعه: در Grok Build (مدل پیش‌فرض)، ادغام شده در تمام پلن‌های Cursor (با دو برابر محدودیت در هفته اول)، و از طریق API شرکت SpaceXAI. همچنین در پلتفرم‌هایی مثل OpenRouter, Vercel, Cloudflare, Snowflake و Databricks Mosaic در دسترس است.
• مصرف‌کنندگان: دسترسی زودهنگام برای مشترکان SuperGrok و X Premium+. دسترسی در grok.com برای پلن‌های رایگان تایید نشده است؛ کاربران رایگان معمولاً مدل‌های سبک‌تر را با ۱۰ تا ۱۵ درخواست در روز می‌بینند.

بسته‌های اشتراکی تخمینی:

• SuperGrok Lite: ۱۰ دلار در ماه (حدود ۷۵۹ روبل)، شامل Grok Imagine
• SuperGrok: ۳۰ دلار در ماه (حدود ۲۲۷۸ روبل)
• SuperGrok Heavy: ۳۰۰ دلار در ماه (حدود ۲۲,۷۷۹ روبل)، سطح برتر با حداکثر محدودیت
• X Premium+: ۴۰ دلار در ماه (حدود ۳۰۳۷ روبل)، بسته ترکیبی با ویژگی‌های X

برای کاربران در روسیه، پرداخت مستقیم به دلیل تحریم‌های بانکی ۲۰۲۲ غیرممکن است. اما مدل از طریق تجمیع‌گر provod.ai در دسترس است که API را با نرخ رسمی و بدون نیاز به VPN ارائه می‌دهد و یک نقطه اتصال واحد برای Grok 4.5 در کنار Claude و GPT فراهم می‌کند. این روش مشابه راهکارهایی است که تجمیع‌کنندگان API برای کاهش هزینه‌ها و تسهیل دسترسی به ChatGPT استفاده کرده‌اند.

تحلیل: چرخش به سمت بهره‌وری

استراتژی ایلان ماسک در Grok 4.5 روشن است: او از تعقیب لقب «هوشمندترین مدل» دست کشیده تا روی «کاربردی‌ترین عامل» تمرکز کند. او در مصاحبه با TechCrunch این مدل را «در سطح Opus، اما سریع‌تر، بهینه‌تر و ارزان‌تر» توصیف کرد. او همچنین ذکر کرد که طبق تخمین‌های داخلی، Grok 4.5 با Opus 4.7 قابل مقایسه است، هرچند تحلیلگران آن را با Opus 4.8 فعلی می‌سنجند.

در حالی که Grok 5 هنوز روی خوشه ۱ گیگاواتی Colossus 2 در ممفیس با پیش‌بینی ۶ تریلیون پارامتر در حال آموزش است، نسخه ۴.۵ به عنوان یک پل سریع و ارزان عمل می‌کند. این مدل یک جایگزین موقت نیست، بلکه هدف خاص خود را به عنوان یک عامل سریع دارد. با این حال، این مدل بار اعتبار برند را یدک می‌کشد؛ از جمله حادثه «MechaHitler» در سال ۲۰۲۵ که در آن یک خطای پرامپت باعث تولید محتوای یهودستیزانه به مدت ۱۶ ساعت شد و عذرخواهی رسمی xAI در ۱۲ جولای ۲۰۲۵ و انتقادات شدید ADL را در پی داشت.

برای تست واقعی ادعاهای بازاریابی، توسعه‌دهندگان باید یک بازسازی (refactor) ۱۰۰ خطی از کد را به‌صورت موازی در Grok 4.5، Opus 4.8 و GPT-5.5 اجرا کنند. مقایسه مجموع هزینه توکن و دقت منطقی مشخص می‌کند که آیا کاهش هزینه، ریسک توهم بالاتر را توجیه می‌کند یا خیر. همان‌طور که کاربر jnbrother در Hacker News اشاره کرد، بنچمارک‌ها یک چیز هستند، اما عملکرد در دنیای واقعی تنها معیاری است که جابه‌جایی از GPT یا Claude به Grok را توجیه می‌کند.

گام بعدی شما

• اگر از Cursor استفاده می‌کنید، تنظیمات حریم خصوصی را برای جلوگیری از ورود کدهای حساس به داده‌های آموزشی SpaceXAI بررسی کنید.
• تسک‌های ساده کدنویسی را با سطح «تلاش استدلالی پایین» (low reasoning effort) اجرا کنید تا هزینه توکن را به حداکثر کاهش دهید.
• برای بررسی صحت داده‌های غیرکدی، حتماً خروجی Grok را با یک منبع مستقل یا مدل‌های با نرخ توهم پایین‌تر مقایسه کنید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره تراشه‌های GB300 انویدیا مراجعه کنید.