GPT-6.1 Sol مقابل Grok 4.6: مشكلة ترويسة Accept، وفجوة قدرها 35 نقطة ليست حقيقية

هناك ثنائية في سوق النماذج الحالية حيث يفوز الخيار الأرخص في أصعب اختبار علمي بشكل قاطع، ومع ذلك لا تسير المقارنة بأكملها في صالحه. Grok 4.6، الرائد لدى SpaceXAI منذ 2026-08-12، يسجل 94.9% في GPQA Diamond — أسئلة علمية بمستوى الدراسات العليا — مقابل 42.9% في Humanity's Last Exam لنفس النموذج، ويكلف 2.00 دولار لكل مليون إدخال و6.00 دولار لكل مليون إخراج. GPT-6.1 Sol، إصدار Open​AI في 2026-09-29، يسجل 52.9% على نفس مجموعة HLE ويتقاضى 10.00 دولار لكل مليون إخراج. لذا فإن Grok 4.6 أفضل في شيء صعب واحد، وأرخص في كل بند من بطاقة الأسعار، ومع ذلك فإن النصف الثاني من تلك المقارنة هو حيث تكمن المشكلة المثيرة للاهتمام: لا يُطرح على النموذجين دائمًا السؤال نفسه.

الأرقام أدناه هي قياسات Artificial Analysis التي أُجريت على سجلات نماذجنا الخاصة لكلا النموذجين، وأرقام المورّد حيثما وُصفت بذلك، وبيانات الخدمة الخاصة بنا. ويُذكر المُقيِّم والتاريخ كلما كان أي رقم قابلاً للالتباس.

رقم الإصدار هو الذي يقوم بالعمل

ابدأ بالأرقام التي تبدو وكأنها هزيمة ساحقة وليست كذلك. يشغّل Artificial Analysis اختبارين مرجعيين لوكلاء الطرفية، وقد قيّم كلا النموذجين في كل منهما:

• Terminal-Bench 2.1 — سجّل Grok 4.6 نسبة 88.39%؛ وGPT-6.1 Sol غير مُدرَج في هذه النسخة.

• Terminal-Bench 4.0 — يسجل Grok 4.6 نسبة 21.21%؛ ويسجل GPT-6.1 Sol نسبة 56.06%.

اقرأ الصف الثاني فقط، وسيبدو أن Grok 4.6 غير قادر على إكمال مهمة في shell. اقرأ كليهما، فيتضح أن الفرق يكمن في بيئة الاختبار (harness)، لا في النموذج. إن Terminal-Bench 4.0 نسخة أصعب من الفكرة نفسها، وقد جرى تقييم النموذجين عليه في وقتين مختلفين — سجل Artificial Analysis الخاص بـ GPT-6.1 Sol يحمل تاريخ تقييم 2026-09-28، وسجل Grok 4.6 يحمل 2026-08-12. إن فجوة قدرها 35 نقطة بين نموذجين قيسا بفارق ستة أسابيع على معيار أُعيدت مراجعته خلال تلك الفترة ليست دليلاً على أن أحدهما لا يستطيع استخدام الطرفية. إنها دليل على أنه لا ينبغي لك مقارنة هاتين الخليتين.

النسخة الأمينة من المقارنة الوكيلية هي النسخة الأضيق: يسجّل Grok 4.6 نسبة 88.39% على Terminal-Bench 2.1، ولا يوجد رقم لـ GPT-6.1 Sol على تلك النسخة ليُوضع إلى جانبه. هذه ثغرة في الأدلة، وبقية هذا المقال تتعامل معها على هذا الأساس.

ما هما

Grok 4.6 هو الطراز الرائد الحالي في خط Grok، والمُدرَج باسم «الأحدث» في وثائق المطوّرين الخاصة بـ SpaceXAI، ويأتي خلفًا لـ Grok 4.5 بنفس نافذة السياق البالغة 500,000 رمز، وبنفس واجهة إدخال النصوص والصور والملفات. يدعم جهد استدلال قابلًا للتكوين، واستدعاء الأدوات الأصلي، والمخرجات المنظمة، وكامل سطح أخذ العينات — temperature وtop_p وseed وlogprobs وpenalties — وهو تفصيل ذو مغزى: فعلى خلاف GPT-6.1 Sol، يقبل تحديد temperature.

GPT-6.1 Sol هو لقطة واحدة — gpt-6.1-sol، بلا نسخة مؤرخة — بنافذة سياق تبلغ 1,050,000 رمز، وحد أقصى للإخراج 128,000، ونفس واجهة إدخال النص والصور والملفات، وخمسة مستويات جهد يكون الافتراضي فيها متوسطًا. وهو لا يقبل temperature أو top_p؛ إذ يُستبدل أخذ العينات بقرص الجهد.

صفوف المواصفات، جنبًا إلى جنب، في الجوانب التي تختلف فيها:

• نافذة السياق — 1,050,000 توكن لـ GPT-6.1 Sol مقابل 500,000 لـ Grok 4.6. GPT-6.1 Sol يزيد قليلاً عن ضعف النافذة.

• الحد الأقصى للمخرجات — 128,000 رمز مميز لـ GPT-6.1 Sol؛ أما سقف المخرجات لدى Grok 4.6 فغير منشور في سجل الكتالوج الخاص به، وهو حقل لم يُملأ قط لا أنه يساوي صفرًا.

• معلمات أخذ العينات — تعمل درجة الحرارة، وtop_p، والبذرة، ومعلمات الجزاء على Grok 4.6 ويتم رفضها بواسطة GPT-6.1 Sol.

• السعر الأساسي — 2.00$/6.00$ لـ Grok 4.6 مقابل 2.00$/10.00$ لـ GPT-6.1 Sol، ضمن الفئتين الأولى لكلا الطرازين.

خمسة محاور، واتجاه واحد واضح

يتشارك النموذجان قياسًا مستقلًا كافيًا لإجراء مقارنة صحيحة بينهما، وشكل النتيجة متسق:

• مؤشر AA للذكاء — GPT-6.1 Sol 51.8، المرتبة 10 من 147، المئين 93.2؛ Grok 4.6 44.3، المرتبة 20، المئين 86.4.

• امتحان البشرية الأخير — 52.9% مقابل 42.9%. عشر نقاط، GPT-6.1 Sol.

• استرجاع السياق الطويل — 83٪ مقابل 80.33٪.

• SciCode — 54.2% مقابل 56.5%. يتقدّم Grok 4.6 بفارق 2.3 نقطة، وهو المحور الوحيد من بين هذه الأربعة الذي يتصدّره.

• GPQA Diamond — لم يُدرَج GPT-6.1 Sol على هذا المحور في سجلاتنا؛ ويسجّل Grok 4.6 نسبة 94.9%، وهو الرقم الأقوى على بطاقته.

يبقى محوران من محاور Grok 4.6 دون قياس على جانب GPT-6.1 Sol، كما يبقى أحد محاور GPT-6.1 Sol دون قياس على جانب Grok 4.6. وهذا هو الشكل المعتاد لأي مقارنة بين نموذجين جرى تقييمهما وفق جدولين مختلفين، والطريقة للتعامل مع ذلك هي ترك الخلايا فارغة بدلًا من ملئها من عرض تقديمي للإطلاق.

يلزم إجراء تسوية واحدة بشأن Intelligence Index. التغطية السابقة على هذه المدونة وضعت Grok 4.6 عند 61 على المؤشر نفسه. وسجلنا الحالي يتضمن صفًا إضافيًا بتلك القيمة، إلى جانب رقم 44.3 الوارد أعلاه — فقد خضع المؤشر للمراجعة وأُعيد تقييمه، وتوجد كلتا القراءتين للنموذج نفسه. وعلى أي شخص يقتبس موضع Grok 4.6 في المؤشر أن يوضح أي مراجعة يقصد، لأن الفرق بين 61 و44.3 أكبر من الفجوة التي تدور حولها هذه المقالة بأكملها.

بطاقة الأسعار، والقالب الموجود بداخلها

Grok 4.6 أرخص في كل بند أساسي ولديه قائمة بنود أطول. بطاقة أسعاره:

• حتى 200,000 من رموز المطالبات — $2.00 للإدخال، $6.00 للإخراج، $0.50 للإدخال المخزّن مؤقتًا.

• أكثر من 200,000 رمز موجّه — يُعاد تسعير الطلب بالكامل إلى 4.00$ للإدخال، و12.00$ للإخراج، و1.00$ للإدخال المخزّن مؤقتًا.

GPT-6.1 Sol's:

• حتى 272,000 من رموز المطالبة — 2.00 دولار للإدخال، و10.00 دولار للإخراج، و0.10 دولار للإدخال المخزّن مؤقتًا، و2.50 دولار لكتابة الذاكرة المؤقتة.

• عند تجاوز 272,000 رمز في المُطالبة — يُعاد تسعير الطلب بالكامل إلى 4.00 دولارات للإدخال، و15.00 دولارًا للإخراج، و0.20 دولار للإدخال المخزّن مؤقتًا، و5.00 دولارات لكتابة الذاكرة المؤقتة.

كلتا الدرجتين، وكلتا الدرجتين تقعان في المنطقة نفسها من طول المُطالبة — لكن لاحظ ما تفعله الدرجتان بالفجوة الرئيسية. داخل الفئة الأولى، يكون ناتج Grok 4.6 أرخص بنسبة 40 بالمئة. وفوق الدرجة، عند 12.00 دولارًا مقابل 15.00 دولارًا، يكون أرخص بنسبة 20 بالمئة. وعلى المدخلات المخزّنة مؤقتًا، ينعكس الترتيب تمامًا: سعر GPT-6.1 Sol البالغ 0.10 دولار لكل مليون هو خُمس سعر Grok 4.6 البالغ 0.50 دولار قبل الدرجة، وعُشر بعدها.

بالنسبة لعبء عمل وكيلي يعيد قراءة بادئة ثابتة طويلة في كل دور — مستودع، أو مجموعة عقود، أو نص محادثة طويل — فإن صف ذاكرة التخزين المؤقت هذا يستحق أكثر من المعدل الأساسي، وهو يشير في الاتجاه المعاكس. أما بالنسبة لعبء عمل ينتج قدرًا كبيرًا من المخرجات انطلاقًا من مطالبة قصيرة، فإن $6.00 الخاصة بـ Grok 4.6 هي الحد الذي يحسم الأمر.

بيانات الخدمة الخاصة بنا، ولماذا ينبغي تجاهل جزء منها

يضم كتالوج OrcaRouter لوحة خدمة لمدة سبعة أيام لكل نموذج، وهي في أحد هذين النموذجين أثر لا قياس. تسجّل لوحة Grok 4.6 زمن استجابة p50 يبلغ 6,250 مللي ثانية ومعدل خطأ 56.76%، خلال نافذة قدّم فيها 1,212,441 رمزًا. أما لوحة GPT-6.1 Sol فتسجّل قيمة p50 تبلغ 2,442 مللي ثانية، و95.57 رمز إخراج في الثانية، ومعدل خطأ 6.36%، و421,752,431 رمزًا قدّمها في الأيام السبعة نفسها.

أرقام حجم الاستخدام هي ما ينبغي قراءته أولاً، لأنها تفسّر ما تبقّى. النموذج الذي قدّم 1.2 مليون رمز على مدى أسبوع لديه عيّنة أرقّ من أن يجعل معدل الخطأ ذا معنى يُعتد به — فعند هذا الحجم، يعكس معدل 56.76% بضع عشرات من المحاولات، لا جودة خدمة، والتعامل معه كدليل على أن Grok 4.6 غير موثوق سيكون قراءة لأثر قياسي وكأنه قياس. لوحة GPT-6.1 Sol لدينا يقف خلفها نحو 350 ضعف هذا الحجم من الاستخدام، ما يجعلها رقمًا صالحًا للاستعمال بشأن مستخدمي ساحة التجربة لدينا، ومع ذلك تظل ليست خاصية من خصائص النموذج.

ما لا يمكننا إخبارك به

ثلاثة أمور غائبة عن هذه المقارنة، ولا يمكن تعويض أيٍّ منها بالجدال.

الأول هو درجة وكيل طرفي من الإصدار نفسه لكلا النموذجين. إلى أن تُقيّم Artificial Analysis نموذج Grok 4.6 على Terminal-Bench 4.0، أو GPT-6.1 Sol على 2.1، تستند المقارنة الوكيلية إلى رقم نموذج واحد وصمت النموذج الآخر. أي شخص يخبرك أن الفارق بين 56.06% و21.21% هو فجوة في القدرات إنما يستشهد بفارق في المراجعة.

الثاني هو سقف الإخراج لدى Grok 4.6. هذا الحقل غير مُقاس في سجلّنا، لذا فإن أي عبء عمل يعتمد على ردود فردية طويلة جدًا لا يوجد له رقم منشور يمكن التخطيط على أساسه من ذلك الجانب.

الثالث هو التكلفة الفعلية لكل من النموذجين لكل مهمة مكتملة. تُقدِّم منصة التجارب لدينا متوسط تكلفة لكل مهمة لـ Claude Opus 5؛ لكنها لا تقدِّم رقمًا مماثلًا لأيٍّ من هذين الاثنين، وأما أسعار التوكنات أعلاه فهي مُدخلات لذلك الرقم وليست الرقم نفسه. تصف الأرقام التي أبلغت عنها OpenAI نفسها بصفتها المورّد بخصوص GPT-6.1 Sol تحسيناتٍ في التكلفة لكل مهمة — Terminal-Bench Science 0.1 بتكلفة 5.47 دولارات لكل مهمة مقابل 23.21 دولارًا لـ Claude Opus 5.5 و23.80 دولارًا لـ GPT-6 Astra، عند أقصى جهد — لكنها أرقام OpenAI على بيئة الاختبار الخاصة بـ OpenAI، ولم يُعِد إنتاجها أحد من الخارج، ولا تقول شيئًا عن Grok 4.6.

الخيار

يتم توجيه كلا الطرازين على OrcaRouter بسعر قائمة المزوّد مع هامش ربح 0% — openai/gpt-6.1-sol بسعر $2.00/$10.00 مع إدخال مخزّن مؤقتًا بـ $0.10 وتُطبَّق شريحة ما فوق 272K تمامًا كما تحدّدها Open​AI، وgrok/grok-4.6 بسعر $2.00/$6.00 مع تطبيق شريحة ما فوق 200K تمامًا كما تحدّدها SpaceXAI. مفتاح واحد يصل إلى كليهما، ويتبع التسعير المورّد في اليوم نفسه الذي يتغيّر فيه بدلًا من دورة الفوترة التالية، ويتواجد التبديل التلقائي عند الفشل في الطبقة الأدنى بحيث يستطيع الطراز الأرخص الحفاظ على مسار دون أن يكون الشيء الوحيد الذي يحمله.

إذا كان عبء العمل على شكل أسئلة وكثيف المخرجات — استرجاع وإجابة، وتوليد بكميات كبيرة، وأي شيء لا ينمو ليتجاوز 200,000 رمز من المطالبة — فإن Grok 4.6 هو الخيار الأفضل شراءً وفق بطاقة الأسعار، بنسبة 40 بالمئة على البند الذي يهم، ونتيجته البالغة 94.9% في GPQA Diamond رقم مستقل، وليس ادعاءً.

إذا كان عبء العمل قائمًا على الوكلاء، أو ذا مطالبات طويلة، أو كثيف التخزين المؤقت، فإن GPT-6.1 Sol هو الخيار الافتراضي الأكثر أمانًا: فهو يتصدر في كل محور مستقل يشترك فيه الاثنان باستثناء SciCode، وتكلفة قراءات ذاكرته المؤقتة خُمس تكلفة قراءات Grok 4.6، وسقف الإخراج المنشور الخاص به رقم يمكنك التخطيط بناءً عليه. نافذة الـ 500,000 توكن لدى Grok 4.6 سخية، ونافذة الـ 1,050,000 توكن لدى GPT-6.1 Sol تساوي ضعفها — لكن عند مطالبة طويلة حقًا يكون كلاهما قد انتقل إلى فئتيه المضاعفتين بحلول ذلك الحين، وهنا تضيق فجوة السعر إلى 20% ويتوقف عن كونه سببًا لاختيار أي منهما.

الحكم الذي يصمد أمام الأدلة: Grok 4.6 هو النموذج الأقل تكلفة، وGPT-6.1 Sol هو الأكثر رصانة، وفارق الـ35 نقطة في terminal-benchmark المتداول هو مقارنة بين نسختين مختلفتين من المعيار، لا بين نموذجين.