SpaceXAI Grok 4.6 ን ለረጂም ጊዜ ለሚሰሩ የኮድ ማስያዣ ወኪሎች ለቋል

ምን ተፈጠረ

SpaceXAI ግሩክ 4.6ን በኦገስት 12 ለቋል እንደ ድንበር ሞዴል ኮድ ማድረግ፣ ወኪል ተግባራት እና የእውቀት ስራ። ኩባንያው ሞዴሉ ረዘም ባለ ባለ ብዙ ደረጃ ስራዎች ላይ ውጤታማ ሆኖ እንዲቆይ ታስቦ የተሰራ ነው፡- ያልታወቀን ርዕሰ ጉዳይ መመርመር፣ መረጃን መተንተን፣ ኮድ ቤዝ መቀየር እና ሀሳብን ወደ የስራ መተግበሪያ ወይም ሌላ የተወለወለ ቅርስ። ልቀቱ OpenRouter፣ Vercel እና Cloudflareን ጨምሮ በ xAI API፣ Grok Build፣ Cursor እና የሞዴል መግቢያ መንገዶች በኩል ይገኛል። ምንም እንኳን እስካሁን የታተሙት አብዛኛዎቹ የአፈጻጸም ማስረጃዎች ከSpaceXAI የሚመጡ ቢሆኑም ከመንገድ ካርታ ማስታወቂያ ይልቅ የተላከ ምርት ነው።

ይፋዊው የኤፒአይ ሰነድ ሞዴሉን `grok-4.6` በማለት ለይቷል እና ባለ 500,000-ቶከን የአውድ መስኮት ይሰጠዋል። የጽሑፍ እና የምስል ግብዓቶችን ይቀበላል እና የጽሑፍ ውፅዓትን ያዘጋጃል ፣ ያለ የጽሑፍ-ውፅዓት ገደብ። ገንቢዎች ዝቅተኛ፣ መካከለኛ፣ ከፍተኛ ወይም ከፍተኛ የማመዛዘን ጥረት መምረጥ ይችላሉ። SpaceXAI የመሠረት ዋጋን ከ200,000 ፈጣን ቶከኖች በታች በ$2 በሚሊዮን የግብዓት ቶከኖች፣ 0.50 ዶላር በአንድ ሚሊዮን የተሸጎጡ የግብዓት ቶከኖች እና $6 በሚሊዮን የውጤት ቶከኖች ይዘረዝራል። ከዚህ ገደብ በላይ ያሉት ጥያቄዎች በቅደም ተከተል $4፣ $1 እና $12 ያስከፍላሉ። ፈጣን ተለዋዋጭ ከመሠረታዊ ተመኖች በእጥፍ ያስከፍላል። እነዚህ የማስጀመሪያ ዋጋዎች እና የምርት ዝርዝሮች ናቸው እንጂ የመዘግየት፣ የመገኘት ወይም አጠቃላይ የስራ ጫና ዋጋ ዋስትና አይደሉም።

SpaceXAI ግሮክ 4.6 ከግሮክ 4.5 የበለጠ የተጨማሪ ማሟያ ስልጠና ማግኘቱን ተናግሯል። ኩባንያው ለምክንያታዊነት እና ለላቁ ቴክኒካል ፅንሰ-ሀሳቦች፣ ከፍተኛ ጥራት ያለው የምህንድስና መረጃ እና በአመቻች እና የስልጠና የምግብ አዘገጃጀት ላይ የተደረጉ ለውጦችን በሞዴል የመነጨ ቁሳቁስ ይገልፃል። ከዚያም ግሮክ 4.5ን ተጠቅሞ ክትትል የሚደረግባቸው ጥሩ ማስተካከያ አቅጣጫዎችን በምክንያታዊ መቼቶች፣ በኤጀንቶች ማሰሪያዎች፣ በSTEM፣ በሶፍትዌር ምህንድስና እና በእውቀት ስራ፣ በሞዴል ላይ የተመሰረቱ ቼኮች ችግር ያለባቸውን ዱካዎች በማጣራት ላይ። የማጠናከሪያ ትምህርት አከባቢዎች አጠቃላይ ኮድ ማውጣትን፣ የእውቀት ስራን፣ የከርነል ማመቻቸትን፣ የድር ልማትን እና በኮምፒዩተር የታገዘ ዲዛይኖችን ይሸፍኑ ነበር ተብሏል። ማስታወቂያው የሥልጠና ሂደቱን ለማባዛት የልኬት ቆጠራን፣ የሥልጠና ስሌትን፣ የተሟላ መረጃን ወይም በቂ የትግበራ ዝርዝርን አይገልጽም።

ማስጀመሪያው ከአንድ የገለልተኛ ኮድ መልስ ይልቅ ቀጣይነት ያለው ስራ እና ምርት መፍጠር ላይ አፅንዖት ይሰጣል። SpaceXAI የውስጥ ፕሮጀክቶች በእይታ እና በይነተገናኝ መተግበሪያዎች ከ Grok 4.5 የበለጠ ጠንከር ያሉ የመጀመሪያ ማለፊያዎችን አሳይተዋል ፣ በመቀጠልም ተደጋጋሚ ማሻሻያ እና በረጅም አቅጣጫዎች ላይ የበለጠ ራስን መሞከርን አሳይተዋል። ያ ስለታሰበው ባህሪ ጠቃሚ መግለጫ ነው, ነገር ግን የህዝብ ምሳሌዎች የተመረጡ ማሳያዎች ናቸው. ሞዴሉ ምን ያህል ጊዜ የራሱን ስህተቶች እንደሚያገኝ፣ ማረጋገጫው ስውር ተሃድሶዎችን እንደሚይዝ፣ ወይም አንድ ወኪል የተከለከሉ መሳሪያዎች፣ ያልተሟላ አውድ፣ ትልቅ ቅርስ ማከማቻ ወይም ለሰዓታት የሚሠራ ተግባር ሲኖረው አፈጻጸሙ እንዴት እንደሚቀየር አይገልጹም።

ኩባንያው ለጂፒቲ-5.6 ሶል ከዘረዘረው ነጥብ ጋር በማዛመድ እና ከፋብል 5 ማክስ አንድ ነጥብ ጋር በማዛመድ አርቴፊሻል ትንተና ኢንተለጀንስ ኢንዴክስ ነጥብ 61 መሆኑን ዘግቧል። የእሱ ሰንጠረዥ 69.9% በ CursorBench 3.2፣ 65.9% በ DeepSWE 1.1፣ 61.3% በ FrontierCode 1.1 Extended፣ 57.5% በAPEX-Agents፣ እና 26% በ Terminal-Bench 3.0 ላይ ሪፖርት ያደርጋል። ውጤቶቹ ከአለማቀፋዊ መሪነት ይልቅ የተደባለቁ ናቸው፡ ሰንጠረዡ ሌሎች ሞዴሎችን በበርካታ የኮድ እና ተርሚናል ሙከራዎች ላይ ያስቀምጣል። SpaceXAI የሦስተኛ ወገን አኃዞች ምርጡን በራሳቸው ሪፖርት የተደረጉ ወይም በይፋ የሚገኙትን ውጤቶች እንደሚጠቀሙ ይናገራል፣ ስለዚህ በመሳሪያዎች፣ በምክንያታዊ በጀቶች እና በፈተና መቼቶች ላይ ያሉ ልዩነቶች አስፈላጊ ገደቦች እንደሆኑ ይቆያሉ።

የምንጭ ዝርዝሮች: SpaceXAI's August 12 Grok 4.6 announcement and API documentation ↗

ለምን አስፈላጊ ነው።

ግሮክ 4.6 ጥያቄን ብቻ ከመመለስ ይልቅ ፕሮጄክትን ሊሸከሙ በሚችሉ ወኪሎች ዙሪያ የተደራጁ የሞዴል ውድድርን ተቀላቅሏል። ትልቅ የአውድ መስኮት፣ የሚስተካከለው ምክንያት፣ የመሳሪያ አጠቃቀም እና ረጅም አቅጣጫዎች ላይ ማሰልጠን ገንቢ ወይም ትንሽ ቡድን ውስን የሆነ የምርምር፣ ኮድ መስጠት፣ ሙከራ እና ክለሳ ውክልና ለመስጠት ቀላል ያደርገዋል። ተግባራዊ እሴቱ የሚወሰነው ሞዴሉ መስፈርቶችን ጠብቆ ማቆየት፣ መሳሪያዎችን ደህንነቱ በተጠበቀ ሁኔታ መጠቀም እና አንድ ሰው ሊመረምረው እና ሊያስተካክለው ከሚችለው ስራ ይልቅ በአንድ የመሪዎች ሰሌዳ አቀማመጥ ላይ ነው።

ለሶፍትዌር ቡድኖች ቀጣይነት ዋናው የምርት ጥያቄ ነው። የረዥም ጊዜ ወኪሎች የስነ-ህንፃ ውስንነቶችን ማስታወስ አለባቸው፣ በአንድ ክፍለ ጊዜ ውስጥ ቀደም ብለው የተደረጉ ለውጦችን መረዳት፣ ትክክለኛ ስራን ከመቀልበስ መቆጠብ እና ማስተካከያ ሌላ የስርዓቱን ክፍል እንደማይሰብር ማረጋገጥ አለባቸው። ባለ 500,000 ማስመሰያ መስኮት የሞዴሉን ክፍል ለተጨማሪ ማከማቻ አውድ እና የመሳሪያ ታሪክ ይሰጠዋል፣ነገር ግን የዐውደ-ጽሑፍ አቅም ከታመነ የማስታወስ ወይም የማመዛዘን ችሎታ ጋር ተመሳሳይ አይደለም። ትላልቅ መጠየቂያዎች ተያያዥነት የሌላቸውን ወይም እርስ በርስ የሚጋጩ ነገሮችን ሊያካትቱ ይችላሉ፣ ከ xAI 200,000-ቶከን የዋጋ ጣራ በላይ ያስከፍላሉ፣ እና አሁንም ትክክለኛውን መልስ የሚወስነውን አንድ ፋይል ወይም መስፈርት መያዝ አይችሉም።

የሥልጠናው መግለጫ የድንበር ላቦራቶሪዎች ቀደምት ሞዴሎችን ለቀጣይ ዱካዎች ለማምረት እና ለማጣራት እንዴት እንደሚጠቀሙ ያሳያል። ክትትል የሚደረግባቸው ምሳሌዎችን በበርካታ የማመዛዘን ጥረቶች እና የወኪል ትጥቆችን እንደገና ማደስ በአምሳያው እና በሚሰራባቸው አካባቢዎች መካከል ያለውን ወጥነት ሊያሻሽል ይችላል። የስህተት ውርስ እና የግምገማ ነፃነትን በተመለከተ ያልተመለሱ ጥያቄዎችንም ያስነሳል። አንድ ሞዴል የሥልጠና ዱካዎችን ከፈጠረ እና ሞዴል ላይ የተመሰረቱ ቼኮች የትኞቹን አሻራዎች እንደሚተርፉ የሚወስኑ ከሆነ ፣ ዳኞች የሚያመልጡትን ማየት የተሳናቸው ነጥቦችን በማቆየት ውጤቱ ስርዓቱ በቀላሉ ተመሳሳይ አውቶሜትድ ዳኞችን ለማርካት የተሻለ እንዳልሆነ ገንቢዎች ማስረጃ ያስፈልጋቸዋል።

በኤፒአይ፣ ጠቋሚ፣ ግሮክ ግንባታ እና መግቢያ መንገዶች ላይ መገኘት አሁን ባለው የስራ ፍሰቶች ውስጥ ያለውን ልቀት የመሞከር ውዝግብ ይቀንሳል። ለአንድ ሳምንት ያህል በCursor እና Grok Build ውስጥ ሁለት ጊዜ ጥቅም ላይ የዋለው የመግቢያ አቅርቦት የገሃዱ ዓለም ሙከራዎችን ሊያፋጥን ይችላል። ቡድኖች አሁንም የጠቅላላ የተግባር ወጪን፣ የማጠናቀቂያ ጊዜን፣ የእርምት ጥረቶችን እና ማገገምን አለመቻል ከቶከን ዋጋዎች ይልቅ ማወዳደር አለባቸው። ፈጣኑ ተለዋጭ በይነተገናኝ ስራን ሊያግዝ ይችላል፣ ነገር ግን የቶክን ዋጋ በእጥፍ ማሳደግ የተግባር ደረጃ ሙከራ ብቻ ሊፈታ የሚችለውን ለውጥ ይፈጥራል። በመጀመሪያው ሙከራ ላይ በትክክል የሚያጠናቅቅ ዘገምተኛ ሞዴል ተደጋጋሚ ጥገና ከሚያስፈልገው ፈጣን ሞዴል ርካሽ ሊሆን ይችላል።

የህዝብ ጥቅም ድንበር ልክ እንደ ኮድ አፈጻጸም አስፈላጊ ነው። በፋይሎች፣ አሳሾች፣ ተርሚናሎች ወይም የንግድ ስርዓቶች ላይ የሚሰራ ወኪል ከተለመደው የቻትቦት መልስ ይልቅ የተሳሳተ ግምትን ሊያሰራጭ ይችላል። SpaceXAI ይላል Grok 4.6 ሰፊውን የቅድመ-ስምሪት ሙከራ ስብስብ እና የተስፋፋ የድህረ-ስምምነት እና የሶስተኛ ወገን ሙከራን ተቀበለ ፣ ግን ማስታወቂያው ከፍተኛ ደረጃ ያለው የደህንነት መግለጫ ብቻ ይሰጣል ። ዝርዝር የሥርዓት ካርድን፣ የተከፋፈለ እምቢታ እና አላግባብ ጥቅም ላይ የዋለ ውጤቶችን፣ የአደጋ ገደቦችን ወይም ኩባንያው ጥበቃዎች ተስተካክለዋል ለሚል ለእያንዳንዱ ጎራ ማስረጃ አያትምም። ተጠቃሚዎች የደህንነት ቋንቋውን እንደ ሻጭ የይገባኛል ጥያቄ በመጠባበቅ ላይ ያሉ የተሟላ ሰነድ እና ገለልተኛ ሙከራ አድርገው ሊመለከቱት ይገባል።

ቀጥሎ ምን እንደሚታይ

ወሳኙ ማስረጃው ከተጀመረ በኋላ ሊባዙ ከሚችሉ ፈተናዎች እና ተራ ፕሮጄክቶች ይመጣል። ግሮክ 4.6 ረጅም ስራዎችን ሳይንቀጠቀጡ መጨረስ ይችል እንደሆነ፣ በራሱ መሞከሩ ትክክለኛ ጉድለቶችን ይይዝ እንደሆነ፣ ዋጋው እንዴት በትልልቅ አውድ እና በድጋሚ ሙከራዎች እንደሚቀየር፣ እና SpaceXAI የውጭ ሰዎች የይገባኛል ጥያቄዎችን እንዲመረምሩ በቂ የደህንነት እና የግምገማ ዝርዝሮችን እንዳትመ ይመልከቱ። ቀደም ብሎ መገኘት ትርጉም ያለው ነው; የሚታመን የራስ ገዝ አስተዳደር አሁንም ተጨባጭ ጥያቄ ነው።

በመጀመሪያ ሞዴሉን በተጣጣሙ ሁኔታዎች ያወዳድሩ. ገለልተኛ ገምጋሚዎች ግሮክ 4.6ን ከግሮክ 4.5 እና ከተወዳዳሪ ሲስተሞች ጋር ሲያወዳድሩ የወኪሉን ማሰሪያ፣መሳሪያዎች፣የማከማቻ ቅጽበታዊ ገጽ እይታ፣የጊዜ ገደብ፣የቶከን በጀት እና የማመዛዘን ጥረትን ቋሚ መያዝ አለባቸው። ጠቃሚ ሪፖርት የተጠናቀቁ ተግባራትን፣ ከፊል ስኬቶችን፣ መመለሻዎችን፣ ልክ ያልሆኑ የመሳሪያ ጥሪዎች፣ የሰዎች ጣልቃገብነቶች፣ የግድግዳ ሰዓት ጊዜ እና አጠቃላይ ወጪን ማካተት አለበት። ነጠላ የቤንችማርክ መቶኛ አለመሳካቶች ለመጠገን ቀላል መሆናቸውን ወይም አንድ ወኪል የማለፊያ የፈተና ውጤት በሚያገኝበት ጊዜ የማይዛመዱ ፋይሎችን በጸጥታ እንደሚቀይር ማሳየት አይችልም።

ሁለተኛ፣ የረዥም ዓውድ ይገባኛል ጥያቄን እንደ የሥርዓት ጥያቄ ይሞክሩ። ገንቢዎች የማጠራቀሚያውን መጠን እና የዐውደ-ጽሑፍ ጥራት ይለያያሉ፣ ከዚያም ሞዴሉ ትክክለኛ ገደቦችን ያመጣ እንደሆነ፣ እቅዱን በመጠቅለል ያስቀምጣል እና ቀደም ሲል በትራጀክተሩ ውስጥ የገቡ ቅራኔዎችን ያስተውላል። ሰነዱ ፈጣን መሸጎጫ ቁልፍን ይመክራል ስለዚህ መንገዱን ያለማቋረጥ ይጠይቃል እና መሸጎጫ ስኬቶች አስተማማኝ ሆነው ይቀጥላሉ እና ወደ አውድ መጨናነቅ ረጅም ቀለበቶችን ይጠቁማል። እነዚያ ባህሪያት ኢኮኖሚክስን እና ቀጣይነትን ሊያሻሽሉ ይችላሉ፣ ነገር ግን ቡድኖቹ መጠቅለል ምን እንደሚያስወግድ እና የተሸጎጠ ውይይት ከስር ፕሮጀክቱ ከተቀየረ በኋላ ጊዜ ያለፈበት ግምቶችን እንደሚያስቀምጥ መከታተል አለባቸው።

ሦስተኛ፣ የተሟላ የደህንነት መግለጫን ይፈልጉ። SpaceXAI ጥበቃዎቹ ህጋዊ የተጋላጭነት መጠገኛን፣ የኢንጂነሪንግ ዲዛይን እና AI ምርምርን በሰፊው የቅድመ-ስምሪት፣ የድህረ-ስምሪት እና የሶስተኛ ወገን ሙከራን ይሸፍናሉ ብሏል። ቀጣዩ ጠቃሚ ህትመቶች በሁለቱም ሞዴል እና የምርት ንብርብሮች ላይ የማስፈራሪያ ሞዴሎችን ፣ የግምገማ ስብስቦችን ፣ ማለፊያ ገደቦችን ፣ ከፍተኛ ስጋት ያላቸውን ችሎታዎች ፣ የታወቁ ውድቀቶችን እና ቅነሳዎችን ይለያል። የመሠረት ሞዴል የተማረውን ከ Grok Build፣ Cursor፣ API Gateway ወይም የደንበኛ ማጠሪያ ከሚያስፈጽመው መለየት አለበት። ያለዚያ መለያየት ተጠቃሚዎች የትኛው የደህንነት ንብረት ከአምሳያው ጋር እንደሚጓዝ እና በዙሪያው ባለው መተግበሪያ ላይ እንደሚወሰን ማወቅ አይችሉም።

በመጨረሻም፣ ጉዲፈቻን ከሳምንት ማስጀመሪያ-ሳምንት ማበረታቻዎች በላይ ይመልከቱ። የCursor እና Grok Build ተጠቃሚዎች Grok 4.6 ን ወዲያውኑ መሞከር ይችላሉ፣ የኤፒአይ ደንበኞች ደግሞ ተራ ወይም ፈጣን መረጃን መምረጥ ይችላሉ። ቀጣይነት ያለው አጠቃቀም፣ የህዝብ ድህረ ሞት እና የተግባር ደረጃ ንፅፅር የአምሳያው ጠንካራ መስተጋብራዊ የመጀመሪያ ማለፊያዎች ወደ ሊጠበቁ ወደሚቻሉ ሶፍትዌሮች እና ጠቃሚ የምርምር ቅርሶች ይተረጎማሉ። SpaceXAI በተጨባጭ መግለጫዎች አዲስ የቁሳቁስ አማራጭ ልኳል። ያልታወቀ ነገር ቢኖር፣ ፈቃዶች፣ ያልተሟሉ መስፈርቶች፣ ፋይሎችን መቀየር እና የሰው መገምገሚያ እንደ ጥሬ የቤንችማርክ አቅም ባሉበት በተዘበራረቀ የምርት አካባቢዎች ውስጥ ራሱን የቻለ ሥራ በምን ያህል አስተማማኝነት እንደሚቀጥል ነው።

ተዛማጅ መመሪያዎች እና ጥያቄዎች