‏Grok 5 در برابر GPT-6 و Gemini 4: فاصله چقدره؟

این مقاله می‌گه Grok فعلاً نمی‌تونه با GPT-6 و Gemini 4 رقابت کنه. تو Artificial Analysis Intelligence Index (یه امتیاز ترکیبی که یه طرف سوم از روی آزمون‌های استدلال، کدنویسی، علوم و ریاضی حساب می‌کنه) مدل Gemini 4 Carbon با ۵۹ اوله و Claude Opus 5.5 و GPT-6 Astra فقط چند امتیاز عقب‌ترن. Grok 4.7 روی نسخه‌ی قبلی همین شاخص ۴۶ گرفته، وقتی مدل‌های برتر حدود ۵۳ بودن. پس Grok 5 که الان روی Colossus 2 در حال آموزشه، فقط برای رسیدن به رقبا یه جهش دورقمی لازم داره.

فاصله تو کارهای ایجنتی بیشتر هم هست. Terminal Bench می‌سنجه یه ایجنت چقدر خوب کارهای واقعی کدنویسی رو روی کامپیوتر انجام می‌ده. Grok 4.7 اینجا حدود ۲۶ درصد گرفته و GPT-6 Astra حدود ۶۰ درصد. به گفته‌ی مقاله این یعنی ضعف xAI دقیقاً تو کارهایی هست که برای استفاده‌ی واقعی مهم‌ترن. ماسک گفته Grok 4.9 هم‌سطح GPT-6 Astra و Claude Fable می‌شه. اگه این درست باشه، Grok 5 باید با فاصله‌ی زیاد از این سطح رد بشه تا با ادعای ماسک که گفته «باهوش‌ترین AI دنیا تو همه‌ی معیارها» می‌شه جور دربیاد.

ماسک چهار تغییر اصلی برای Grok 5 گفته: اندازه‌ی ۶ تریلیون پارامتر (دو برابر Grok 3 و 4)، «هوش به ازای هر گیگابایت» یعنی توانایی بیشتر با حافظه‌ی کمتر که اجرا رو ارزون‌تر می‌کنه، داده‌ی بهتر از جمله داده‌های داخلی SpaceX، و multimodal بودن از پایه. ادعای اصلی فهم ویدیوی زنده هست، یعنی مدل یه تصویر زنده رو همون لحظه بفهمه نه یه کلیپ ضبط‌شده رو بعداً. اگه واقعاً کار کنه، کاربردهایی مثل دستیار تصویری زنده یا بینایی ربات‌ها رو ممکن می‌کنه.

نویسنده چهار دلیل می‌آره که چرا الان عقب بودن سخت‌تره. اول اینکه هدف مدام جابه‌جا می‌شه: Gemini 4 Carbon حدود یه ماه بعد از Argon امتیاز رو از ۵۰ به ۵۹ رسوند. دوم اینکه بعد از pretraining مرحله‌ی reinforcement learning هست (یعنی مدل کارها رو تمرین می‌کنه و برای جواب خوب پاداش می‌گیره) که همیشه بیشتر از انتظار طول می‌کشه؛ Grok 4.8 به همین خاطر از موعد سپتامبرش عقب افتاد. سوم هزینه‌ست و چهارم اینکه خود بنچمارک‌ها دارن به سقف می‌رسن.

شرط xAI روی سخت‌افزاره. ماسک تو گفتگو با Dwarkesh Patel گفته ایده‌های الگوریتمی ظرف حدود شش ماه بین آزمایشگاه‌ها پخش می‌شن، پس برنده کسیه که سریع‌تر توان محاسباتی اضافه کنه. Colossus اول تو ۱۲۲ روز ساخته شد. SpaceX که حالا شرکت مادر xAI هست، حدود ۱.۴ گیگاوات توان محاسباتی داره و هدفش ۲ گیگاوات تا آخر امسال و ۱۰ تا ۱۵ گیگاوات تا آخر ۲۰۲۷ هست. تو یه فصل نزدیک ۲۰ میلیارد دلار خرج زیرساخت کرده. ولی اینکه این سخت‌افزار به صدر جدول برسه یا نه هنوز ثابت نشده.

نکات کلیدی:

• Grok 4.7 تو Artificial Analysis Index امتیاز ۴۶ داره و Gemini 4 Carbon با ۵۹ اوله.
• تو Terminal Bench، Grok 4.7 حدود ۲۶ درصد و GPT-6 Astra حدود ۶۰ درصد گرفته.
• Grok 5 طبق حرف ماسک ۶ تریلیون پارامتر داره و روی Colossus 2 آموزش می‌بینه.
• Gemini 4 Carbon تو حدود یه ماه امتیاز گوگل رو از ۵۰ به ۵۹ رسوند.
• زمان انتشار Grok 5 به قبل از آخر ۲۰۲۶ عقب افتاده.
• xAI روی ۱۰ تا ۱۵ گیگاوات توان محاسباتی تا آخر ۲۰۲۷ حساب باز کرده.