شرکت ایکسایآی امروز، هفتم آگوست ۲۰۲۶، مدل تازهاش گراک ۴.۶ را با ۱.۵ تریلیون پارامتر رسماً منتشر کرد؛ مدلی که قرار است مستقیماً با کیمی کی۳ چینی و کلود اوپوس ۴.۸ آنتروپیک رقابت کند.

لیست مطالب
۱. گراک ۴.۶ چیست و چرا اینقدر مهم است؟
روز جمعه، هفتم آگوست ۲۰۲۶، شرکت ایکسایآی به رهبری ایلان ماسک مدل تازهی خود موسوم به گراک ۴.۶ را رسماً معرفی کرد. این معرفی نقطهی اوج وعدهای بود که ماسک از اواخر تیرماه دربارهی آن صحبت میکرد و سرانجام طبق برنامه محقق شد. اهمیت این عرضه فقط در قدرت خام مدل نیست، بلکه در استراتژی پشت آن نهفته است: بهجای بزرگتر کردن مدل، تیم ایکسایآی تمرکز خود را روی بهبود روشهای آموزش گذاشته است.
برای کاربران فارسیزبان که مسیر رشد هوش مصنوعی را دنبال میکنند، این عرضه نشانهای روشن است از اینکه رقابت میان غولهای فناوری هر روز داغتر میشود. اگر دوست دارید با مفهوم شرکتهای پیشرو در این حوزه بیشتر آشنا شوید، مطلب اوپنایآی چیست و چه میکند را هم بخوانید تا تصویر کاملتری از این رقابت داشته باشید.
۲. مشخصات فنی: از ۱.۵ تریلیون پارامتر تا معماری V9
طبق اعلام رسمی، گراک ۴.۶ دقیقاً همان زیرساخت معماری V9 با ۱.۵ تریلیون پارامتر گراک ۴.۵ را حفظ کرده است. این یعنی هیچ افزایشی در اندازهی خام مدل رخ نداده و تمام پیشرفتهای ادعایی از مسیر آموزش پس از پیشآموزش (post-training) بهدست آمدهاند؛ یعنی از طریق آموزش نظارتشدهی دقیقتر (SFT) و یادگیری تقویتی قویتر (RL).
چرا حفظ اندازهی مدل اهمیت دارد؟
وقتی یک شرکت بهجای افزایش پارامترها روی کیفیت آموزش سرمایهگذاری میکند، معمولاً هزینهی اجرای مدل برای کاربر نهایی ثابت یا حتی کمتر میماند، در حالی که دقت و توانایی استدلال بهبود پیدا میکند. این همان رویکردی است که ایکسایآی برای گراک ۴.۶ در پیش گرفته و آن را نقطهی تمایز اصلی این نسخه از رقبا معرفی کرده است.
این استراتژی از نظر فنی به «مقیاسپذیری پس از آموزش» معروف است؛ رویکردی که در ماههای اخیر میان چند شرکت بزرگ هوش مصنوعی محبوب شده، چون هزینهی ساخت مدلهای عظیمتر بهشدت بالا رفته و بازگشت سرمایهی آن همیشه توجیهپذیر نیست. به همین دلیل، شرکتهایی مثل ایکسایآی ترجیح میدهند روی دادههای آموزشی باکیفیتتر و روشهای تنظیم دقیقتر سرمایهگذاری کنند تا مجبور به دو یا سه برابر کردن اندازهی مدل نشوند.
۳. راهبرد ایکسایآی: رقابت مستقیم با کیمی کی۳ و کلود اوپوس ۴.۸
هدف اعلامشدهی تیم ایکسایآی برای گراک ۴.۶ کاملاً شفاف است: به چالش کشیدن کیمی کی۳ محصول شرکت چینی مونشات با نزدیک به ۲.۸ تریلیون پارامتر، و همچنین کلود اوپوس ۴.۸ محصول آنتروپیک؛ آنهم بدون قربانی کردن سرعت پاسخگویی و بهرهوری هزینهای که گراک ۴.۵ بهخاطر آن شناخته میشد. به بیان دیگر، ایکسایآی میخواهد ثابت کند مدلی با پارامتر کمتر میتواند در عمل با غولهای بزرگتر برابری کند.
این رقابت فشرده بین شرکتهای بزرگ هوش مصنوعی، بازتابی از یک روند بزرگتر در صنعت است: تمرکز از «مسابقهی اندازه» به سمت «مسابقهی کارایی» تغییر کرده. اگر میخواهید بدانید این رقابت چه تاثیری روی کسبوکارها میگذارد، پیشنهاد میکنیم نگاهی به مطلب چرا هوش مصنوعی برای کسبوکارها اهمیت دارد بیندازید.

۴. تفاوت گراک ۴.۶ با گراک ۴.۵ در چیست؟
نسخهی قبلی یعنی گراک ۴.۵ پیش از این در آزمایشهای امنیت سایبری شرکت Vercel، بهعنوان مقرونبهصرفهترین مدل نسبت به قیمتش شناخته شده بود؛ گزارشها نشان میداد این مدل تا ده برابر ارزانتر از GPT-5.6 Sol شرکت اوپنایآی و نزدیک به شش برابر ارزانتر از کلود اوپوس ۵ آنتروپیک عمل میکرد. گراک ۴.۶ قرار است همین مزیت هزینهای را حفظ کند، اما با افزودن تواناییهای استدلالی و دقت بالاتر روی همان بستر فنی.
نکتهی جالب این است که خود ایکسایآی هنوز بنچمارکهای رسمی مانند SWE Marathon، MMLU یا GPQA را برای گراک ۴.۶ منتشر نکرده است. به همین دلیل، ارزیابان مستقل و رسانههای تخصصی باید در روزها و هفتههای آینده عملکرد واقعی مدل را بسنجند تا مشخص شود ادعاهای ایکسایآی تا چه حد در عمل تایید میشوند.
۵. کاربردهای عملی گراک ۴.۶: کدنویسی، تحلیل اسناد و عاملهای هوشمند
بر اساس معرفی رسمی، مهمترین کاربردهای گراک ۴.۶ عبارتاند از کدنویسی عاملمحور (agentic coding) برای انجام خودکار وظایف برنامهنویسی، تحلیل اسناد طولانی و فایلهای پیدیاف با حافظهی زمینهای بزرگ، هماهنگی همزمان چند مدل هوش مصنوعی در قالب یک عامل واحد، و پردازش حجم بالای درخواستها با هزینهی پایین برای کسبوکارهایی که به مقیاسپذیری نیاز دارند.
گراک ۴.۵ در بنچمارک SWE Marathon نمرهی ۲۹.۰ درصد را ثبت کرده بود که نشاندهندهی توانایی نسبتاً خوب در وظایف کدنویسی واقعی است. اگر میخواهید با نحوهی نوشتن پرامپتهای موثر برای چنین مدلهایی آشنا شوید تا بهترین خروجی را از آنها بگیرید، راهنمای نوشتن پرامپت برای مبتدیان را از دست ندهید.
۶. هزینه و دسترسی: از API تا سوپرگراک
گراک ۴.۶ از چند مسیر مختلف در دسترس کاربران قرار گرفته است: رابط برنامهنویسی ایکسایآی (API)، وبسایت grok.com، اشتراک سوپرگراک (SuperGrok) و پلنهای ایکس پرمیومپلاس. همچنین این مدل روی برخی پلتفرمهای ارزیابی شخصثالث مانند arena.ai نیز در دسترس قرار گرفته تا کاربران بتوانند عملکردش را با مدلهای دیگر مقایسه کنند.
در حال حاضر قیمتگذاری گراک ۴.۵ برای هر یک میلیون توکن ورودی حدود دو دلار و برای هر یک میلیون توکن خروجی حدود شش دلار اعلام شده بود. ایکسایآی هنوز مشخص نکرده آیا همین ساختار قیمتی برای گراک ۴.۶ نیز ادامه پیدا میکند یا خیر. جزئیاتی مانند اندازهی دقیق پنجرهی زمینه (context window) و دامنهی کامل قابلیتهای چندوجهی مدل نیز هنوز بهطور رسمی اعلام نشده است.
برای کاربران و کسبوکارهای ایرانی که هزینه برایشان اهمیت زیادی دارد، همین شفافنبودن قیمت لحظهی حساسی است. تجربهی گراک ۴.۵ نشان داده وقتی یک مدل هم ارزان باشد و هم قدرتمند، میتواند برای پروژههای پرحجم مثل پشتیبانی خودکار مشتریان یا تولید انبوه محتوا بسیار مقرونبهصرفه باشد. به همین دلیل، توصیه میشود پیش از مهاجرت کامل به گراک ۴.۶، ابتدا در مقیاس کوچک آن را روی دادههای واقعی پروژهی خودتان آزمایش کنید تا از نظر دقت و هزینه به نتیجهی قابلاطمینانی برسید.

۷. مقایسه با رقبا: اوپنایآی، گوگل و آنتروپیک کجای این میدان هستند؟
عرضهی گراک ۴.۶ در بحبوحهی رقابتی داغ میان چهار بازیگر اصلی صنعت هوش مصنوعی رخ میدهد: اوپنایآی با خانوادهی مدلهای GPT-5.6، آنتروپیک با کلود اوپوس ۴.۸ و ۵، گوگل با جمینای، و اکنون شرکت چینی مونشات با کیمی کی۳. هر کدام از این شرکتها راهبرد متفاوتی برای پیشی گرفتن از رقبا در پیش گرفتهاند؛ برخی روی افزایش اندازهی مدل تمرکز کردهاند و برخی مانند ایکسایآی روی بهینهسازی آموزش.
برای کسانی که کنجکاوند مدلهای مختلف هوش مصنوعی در عمل چه تفاوتهایی با هم دارند، مطلب مقایسهی چتجیپیتی و دیپسیک در شطرنج نمونهای عملی و خواندنی از این نوع مقایسههاست که نشان میدهد چطور میتوان عملکرد واقعی مدلها را کنار هم سنجید.
۸. مسیر پیش رو: گراک ۴.۷ با ۲.۱ تریلیون پارامتر در راه است
ایلان ماسک اعلام کرده نسخهی بعدی یعنی گراک ۴.۷ با ۲.۱ تریلیون پارامتر، تا چند هفتهی دیگر منتشر خواهد شد. به گفتهی او، این مدل «در همه چیز بهتر از گراک ۴.۶» خواهد بود، هرچند اجرای آن کمی کندتر پیشبینی میشود؛ در عوض بهرهوری توکن بالاتری ارائه میدهد که برای کاربران سازمانی و پرحجم اهمیت زیادی دارد.
این برنامهریزی سریع نشان میدهد ایکسایآی قصد دارد سرعت عرضهی مدلهای خود را بهشدت بالا ببرد تا فاصلهای که با رقبای بزرگتر مانند اوپنایآی و آنتروپیک دارد را کاهش دهد. برای درک بهتر محدودیتها و پتانسیل واقعی چنین مدلهایی در دنیای واقعی، خواندن مطلب پتانسیل و محدودیتهای واقعی هوش مصنوعی پیشنهاد میشود.
۹. جمعبندی و چشمانداز رقابت هوش مصنوعی در سال ۲۰۲۶
عرضهی گراک ۴.۶ یکبار دیگر ثابت کرد رقابت میان اوپنایآی، آنتروپیک، گوگل و ایکسایآی نهتنها فروکش نکرده بلکه هر ماه فشردهتر میشود. تمرکز ایکسایآی روی بهبود آموزش بهجای افزایش اندازهی مدل، میتواند الگویی برای سایر شرکتها هم باشد، بهخصوص در شرایطی که هزینهی آموزش مدلهای بزرگتر بهشدت بالا رفته است. کاربران باید منتظر بنچمارکهای مستقل باشند تا ببینند آیا گراک ۴.۶ واقعاً توانسته به کیمی کی۳ و کلود اوپوس ۴.۸ برسد یا نه.
کسانی که میخواهند تفاوت میان توسعهدهندگان مستقل و مهندسان واقعی صنعت هوش مصنوعی را بهتر بشناسند، میتوانند مطلب توهم توسعهدهندهی تکنفره در برابر مهندس واقعی را هم مطالعه کنند. همچنین برای دنبال کردن آموزشهای کاربردی چتجیپیتی، سری مطالب آموزشهای چتجیپیتی در سایت بهروزرسانی میشود.
سوالات متداول دربارهی گراک ۴.۶
گراک ۴.۶ چه زمانی منتشر شد؟
گراک ۴.۶ در تاریخ هفتم آگوست ۲۰۲۶ بهطور رسمی از سوی شرکت ایکسایآی معرفی شد.
گراک ۴.۶ چند پارامتر دارد؟
این مدل ۱.۵ تریلیون پارامتر دارد و از همان معماری V9 گراک ۴.۵ استفاده میکند.
تفاوت اصلی گراک ۴.۶ با گراک ۴.۵ چیست؟
تفاوت اصلی در آموزش نظارتشده و یادگیری تقویتی قویتر است، نه افزایش اندازهی مدل.
گراک ۴.۶ با چه مدلهایی رقابت میکند؟
هدف اصلی رقابت با کیمی کی۳ شرکت مونشات و کلود اوپوس ۴.۸ آنتروپیک اعلام شده است.
گراک ۴.۷ چه زمانی میآید؟
طبق گفتهی ایلان ماسک، گراک ۴.۷ با ۲.۱ تریلیون پارامتر تا چند هفتهی دیگر منتشر میشود.
چگونه میتوان به گراک ۴.۶ دسترسی داشت؟
از طریق API ایکسایآی، وبسایت grok.com، اشتراک سوپرگراک و پلنهای ایکس پرمیومپلاس.
نسخهٔ فوری این مطلب در تلگرام: اینجا بخوانید
