منح نموذج غروك 4.5 ادعاءات إيلون ماسك بشأن الكلفة والأداء دفعة جديدة، بعد أن تصدّر نموذج الوكلاء في اختبار معياري مستقل.
أبرز النقاط:
- «غروك 4.5» حقق 51.4% في اختبار AutomationBench-AA، متقدمًا على نموذجين من «كلود».
- كلفة التنفيذ بلغت 0.34 دولار لكل مهمة، أقل بكثير من أقرب منافسيه من Anthropic.
- معدل الانتهاكات التنظيمية الأعلى ما زال يمثل مخاطرة لنشر الوكلاء على مستوى المؤسسات.
اختبار «غروك»
شركة Artificial Analysis أفادت بأن «غروك 4.5» حقق نتيجة 51.4% على مؤشر AutomationBench-AA، متقدمًا على كلود فابل 5 الذي سجل 48.6%، وكلود أوبوس 4.8 الذي جاء عند 48.5%. كما بلغت كلفة المهمة الواحدة 0.34 دولار فقط، مقارنة بـ 1.35 دولار لـ«فابل 5» و1.46 دولار لـ«أوبوس 4.8».
هذا القياس الخارجي يضيف وزنًا جديدًا لطرح ماسك الذي يصنّف «غروك 4.5» كنموذج من فئة «أوبوس»، لكن أسرع وأقل كلفة. SpaceXAI أطلقت النموذج للجمهور هذا الأسبوع، مستندة إلى بنية أساس V9 تضم 1.5 تريليون معلمة، وتقييمات داخلية مبكرة لتأطير عملية الإطلاق.
يعتمد اختبار AutomationBench-AA على 657 مهمة موزعة على 40 تطبيقًا افتراضيًا، من بينها Gmail وSlack وSalesforce وHubSpot. ويرصد الاختبار قدرة وكيل الذكاء الاصطناعي على إنجاز الأهداف دون خرق أنظمة الحماية والضوابط، فيما تُبقي Artificial Analysis مجموعة المهام سرية للحد من «تلوّث» المعايير بالتدريب المسبق.
اقرأ أيضًا: غروك 4.5 يتحدى OpenAI وAnthropic بوكيل ذكاء اصطناعي أقل كلفة
ادعاءات ماسك الجريئة
أوضحت Artificial Analysis أن «غروك 4.5» استخدم نحو 8,000 رمز (توكن) مخرجات لكل مهمة، أي قرابة ربع استهلاك «أوبوس 4.8». وأضافت: «إجمالي استخدامه من الرموز البالغ 0.44 مليون لكل مهمة يُعد من بين الأدنى على لوحة الترتيب»، مشيرة إلى أن انخفاض الكلفة ناتج عن كفاءة النموذج وتسعير الرموز.
أنهى النموذج 79.9% من الأهداف المطلوبة في المهام، واجتاز 21.9% من المهام اجتيازًا كاملًا. وفي مجال الماليات، وهو الأصعب ضمن المؤشر، تصدّر «غروك 4.5» بنتيجة 71%، مقابل 64% لـ«فابل 5» و62% لـ«أوبوس 4.8».
نقطة الضعف كانت في جانب الامتثال التنظيمي. فقد سجّل «غروك 4.5» متوسط 0.63 انتهاك لضوابط الحماية لكل مهمة، أعلى من «أوبوس 4.8» عند 0.55، ومن نموذج Gemini 3.5 Flash من Google عند 0.46. هذا الفارق يحمل وزنًا خاصًا للشركات التي تشغّل وكلاء ذكاء اصطناعي بجوار أنظمة مالية فعّالة أو حساسة.
ركّز طرح ماسك عند الإطلاق على «مقايضة عملية» بين الكلفة والأداء، بدلًا من السعي لاكتساح المعايير بشكل كامل. يمتلك «غروك 4.5» الآن دليلًا خارجيًا يدعم تفوقه في الكلفة والسرعة، لكن معدل الانتهاكات الأعلى يوضح أن تبنّي المؤسسات للنموذج سيبقى مشروطًا بقدرة الشركات على إدارة مخاطر الامتثال والموثوقية.
اقرأ التالي: تعافي بيتكوين يواجه مشكلة طلب لا يمكن للثيران تجاهلها