GPT-Rosalind مقابل Grok 4.7: معيار صحي ليس بوابةً لعلم الأحياء

يأتي Grok 4.7 مصحوبًا برقم يبدو للوهلة الأولى وكأنه الإجابة عن GPT-Rosalind: 56.7% على HealthBench Professional، ارتفاعًا من 48.5% لدى Grok 4.6. ذلك معيار للمعرفة السريرية، أبلغت عنه SpaceXAI في جدول إطلاق نموذج صدر في 21 سبتمبر 2026، وهو أقرب شيء إلى تقييم طبي في مواد أي من الشركتين. أما GPT-Rosalind، المطروح للبيع العام منذ 5 أكتوبر 2026 بعد تقديمه في أبريل 2026، فلا ينشر شيئًا مماثلًا — فأرقامه معايير للكيمياء والمختبرات الرطبة، وتحتاج إلى مراجعة للوصول الموثوق كي تشغّلها بنفسك. لذا فالسؤال الصادق ليس أيّ النموذجين يحقق درجة أعلى في الصحة؛ بل ما الذي يقيسه معيار صحي في مقابل ما الذي تحميه بوابة بيولوجية، ولماذا يكلّف أحد هذين النموذجين ثلث ما يكلّفه الآخر لكل رمز مميز مع كونه متاحًا لأي شخص.تُسجَّل نزاعات المعايير وتغييرات بوابات الوصول التي تعقب مقارنة كهذه، مع تواريخها ومصادرها، في أرشيف حوادث الذكاء الاصطناعي، إلى جانب بقية حوادث النماذج والبائعين التي نتابعها.

التداخل الذي يتبيّن أنه ضيّق

يطرح HealthBench Professional على النموذج أسئلة من النوع الذي يجيب عنه طبيب سريري. ويكافئ الاستدعاء والمعايرة والقدرة على الإمساك بإطار سريري. ولا يتطلب من النموذج تصميم تجربة اضطراب، أو قراءة بروتوكول مختبري رطب، أو التفكير في علاقة بنية-نشاط. مجموعة الاختبارات المنشورة الخاصة بـ GPT-Rosalind هي نوع آخر من الاختبار: يغطي MedChemBench التنبؤ بالفعالية وADME والتخليق العكسي؛ ويغطي GeneBench الجينوميات طويلة الأفق؛ ويغطي LabWorkBench ربط الاضطرابات بالنتائج في بروتوكولات حقيقية. أدوات مختلفة، وأهداف مختلفة.

• ما الذي يتم قياسه — Grok 4.7: المعرفة السريرية والحكم السريري، بنسبة 56.7% في HealthBench Professional. GPT-Rosalind: الكيمياء والاستدلال في المختبرات الرطبة، بنسبة 27.5% في MedChemBench و63.2% في LabWorkBench.

• من أجراه — Grok 4.7: SpaceXAI، مقابل نموذجه السابق. GPT-Rosalind: OpenAI، مقابل GPT-5.5.

• إعادة إنتاج مستقلة — لا يوجد لأي من المعيارين.

• ما لا يخبرك به أيٌّ من الرقمين — ما إذا كان يمكن الوثوق بالنموذج بشأن نتيجة تُدرَج في ملف رسمي. ذلك سؤال عن أنماط الفشل، لا عن الدرجات.

ضع الجدولين جنبًا إلى جنب فلا يوجد صف يتشاركانه. ليست هذه فجوة في التقرير؛ بل هي شكل السوق. يُقاس النموذج العام على الاتساع، ويُقاس المتخصص على العمق، ويختار البائعون الاختبارات التي تُظهر قوتهم.

المظروف، وهو النقطة التي يختلف فيها هذان الاثنان فعليًا.

المواصفات هي الجزء الأقل جاذبية في أي مقارنة، وهو الجزء الذي يحدد ما إذا كان سير العمل ممكنًا أصلًا. وهنا يتباين النموذجان أكثر مما توحي به محادثة المعايير القياسية.

• نافذة السياق — Grok 4.7: 500,000 رمز، أي نصف الـ 1,000,000 الخاصة بـ GPT-Rosalind.

• الحد الأقصى للإخراج — Grok 4.7: 450,000 رمز، وتُقرّ وثائق SpaceXAI الخاصة بأنه لا يوجد حد لإخراج النص، وهو ما لا يتوافق مع رقم 450 ألفًا الوارد في بطاقة نموذجنا. نُشير إلى هذا التباين بدلًا من الانحياز إلى أحد الطرفين؛ فالمورّد هو المرجع الموثوق بشأن نموذجه. GPT-Rosalind: لم يُنشر على حدة كسقف للإخراج.

• المدخلات — Grok 4.7: نصوص وصور، بصيغة JPG أو PNG بحجم يصل إلى 20 ميبي بايت لكلٍّ منها، ولا يوجد حد موثَّق لعدد الصور، وبأي ترتيب. GPT-Rosalind: مدخلات ملفات علمية عبر ChatGPT وCodex وواجهة API؛ ولم يُنشر أي ادعاء بشأن إدخال الصور بشكل عام.

• التحكم في الاستدلال — Grok 4.7: reasoning_effort عند low أو medium أو high أو xhigh، مع أرقام المعايير المنشورة المذكورة عند xhigh. GPT-Rosalind: تحكم على غرار جهد الاستدلال في API، مع استخدام الأدوات في صميم النموذج.

• الأدوات — Grok 4.7: استدعاء الدوال، والبحث على الويب، والبحث في X، وتنفيذ التعليمات البرمجية، وكل ذلك من جانب الخادم. GPT-Rosalind: إضافة أداة لعلوم الحياة تضم أكثر من خمسين أداة داخل ChatGPT وCodex.

• حد المعرفة — Grok 4.7: مايو 2026، دون إدراك فوري للوقت افتراضيًا. GPT-Rosalind: غير منشور.

فجوة السياق هي التي تُوجِع في هذا المجال. نافذة 1M رمز ليست ترفًا في عمل علم الجينوم؛ بل هي ما يتيح للنموذج استيعاب أطلس كامل أو مجموعة بروتوكولات كاملة في تمريرة واحدة. إن 500K لدى Grok 4.7 سخية بالمعايير العامة ونصف ما يقدمه المتخصص. وفي المقابل، سقف الإخراج البالغ 450K يتجاوز بكثير أي حاجة لإجابة أحياء، وهو بالضبط ما يريده مسار وكيل طويل أو إعادة هيكلة كبيرة.

فجوة السعر هي الأوسع في هذه المجموعة.

Grok 4.7 هو أرخص طراز في أيٍّ من هذه المقارنات، وGPT-Rosalind هو الأغلى، وهو ما يجعل الحساب صريحًا.

• الإدخال — Grok 4.7 بسعر 2.00 دولار لكل مليون مقابل GPT-Rosalind بسعر 5.00 دولارات. تكلّف المتخصصة 2.5 ضعف.

• المخرجات — Grok 4.7 بسعر 6.00 دولارات مقابل GPT-Rosalind بسعر 25.00 دولارًا. فارق يبلغ 4.2×، وهو أكبر اختلاف في رقم واحد في هذا المقال.

• الإدخال المخزن مؤقتًا — Grok 4.7 بسعر $0.50 مقابل GPT-Rosalind بسعر $0.50. متطابقان، وهو البند الوحيد الذي لا يكون فيه المتخصص أكثر تكلفة.

• المطالبات الطويلة — تتضاعف أسعار Grok 4.7 لتصل إلى 4.00 دولار / 12.00 دولار، مع 1.00 دولار للتخزين المؤقت بمجرد وصول المطالبة إلى 200 ألف رمز. ولا تعلن GPT-Rosalind عن أي رسوم إضافية للسياق الطويل.

• الفوترة الإقليمية — يمتلك Grok 4.7 نقطة نهاية أمريكية بمضاعف 1.1×، مما يعادل 2.20 دولار / 6.60 دولار أقل من 200K.

نسبة المخرجات هي حيث يكمن القرار فعليًا. ينتج سير عمل الاستكشاف قدرًا كبيرًا من المخرجات: قوائم المرشحين، ومسودات البروتوكولات، والشيفرة، والمبررات الطويلة. وبمعدل 25 دولارًا مقابل 6 دولارات لكل مليون، فإن تشغيلًا يُصدر عشرة ملايين رمز مخرجات يكلف 250 دولارًا على النموذج المتخصص و60 دولارًا على النموذج العام. وما إذا كان هذا الـ190 دولارًا يشتري لك أي شيء هو السؤال الوحيد الجدير بالطرح، ولا يجيب عنه أي معيار منشور.

ما يضيفه المقيّم المستقل

يمتلك Grok 4.7 سجلًا مستقلًا حقيقيًا، وهو أكثر إفادة من جدول المورّد لأنه يتضمن التكاليف التي لا يعلن عنها أحد.

• الذكاء — 46 في مؤشر الذكاء Artificial Analysis، الإصدار 4.3.2، وهو المركز 21 من 211 نموذجًا في ذلك التصنيف، وأعلى بكثير من وسيط المؤشر البالغ 26. GPT-Rosalind غير موجود في التصنيف على الإطلاق؛ النماذج المتخصصة خارج النطاق.

• تكلفة كل تشغيل فهرسة — $3.74، مع تسجيل المُقيِّم خصمًا على التخزين المؤقت بنسبة 75% ومعدل إدخال/إخراج يطابق معدل المورّد نفسه البالغ $2.00 / $6.00. وجاء في تعليقه أن النموذج مسعّر بشكل معقول مقارنة بأقرانه من الفئة السعرية المشابهة.

• الإسهاب — 240 مليون رمز إخراج عبر الفهرس، مقابل وسيط قدره 88 مليونًا. تصفه Artificial Analysis بأنه "شديد الإسهاب"، وهذا هو الرقم الأكثر فائدة هنا لإعداد الميزانية: النموذج الذي يفكّر في سلاسل أطول يكلّف أكثر لكل مهمة عند أي معدل رموز ثابت.

• السرعة — 82.6 رمز إخراج في الثانية، والمرتبة 83 من 211، ومع ذلك يصفها المُقيِّم بأنها أبطأ من المتوسط.

رقم الإسهاب هو ما ينبغي أن يغيّر حساباتك الذهنية. فـ Grok 4.7 عند إخراج بسعر 6.00 دولارات ليس أرخص بـ 4.2× من GPT-Rosalind عند 25.00 دولارًا لكل مهمة إذا كان يصدر قرابة ثلاثة أضعاف عدد الرموز للوصول إلى ذلك. وعلى أساس كل مهمة، فإن الفجوة الحقيقية أضيق مما تقوله بطاقة الأسعار، ولا أحد ينشر رقم إسهاب لـ Rosalind للمقارنة به — لأن Rosalind ليست على اللوحة.

لماذا توجد البوابة، ولماذا لا يملك Grok واحدة

هذا هو التفاوت الذي لا يستطيع جدول قياسات الأداء التعبير عنه. يُباع Grok 4.7 لأي شخص لديه حساب فوترة، مع سياق يبلغ 500K، وإدخال صور، وتنفيذ للتعليمات البرمجية من جانب الخادم. أما GPT-Rosalind فيُباع فقط للمؤسسات التي تجتاز مراجعة، والمراجعة موجودة لأن OpenAI رأت أن قدرة النموذج في مجال الأحياء من النوع الذي لا ينبغي أن يكون متاحًا عند الطلب.

اقرأ ذلك كبيان عن القدرة، لا عن مسرح السلامة. فالمختبر الذي يفرض بوابة على نموذج ما قد قرر أن النموذج جيد بما يكفي في أمر ذي عواقب ليستحق تلك البوابة. ولم تتخذ SpaceXAI حكمًا مكافئًا بشأن Grok 4.7، ونقاط قوته المنشورة — البرمجة، وحلقات الأدوات الوكيلية، والعمل البرمجي طويل الأمد — ليست من النوع الذي تُفرض عليه بوابة.

النتيجة العملية: إذا كان عملك حسابيًا ومجاورًا لعلم الأحياء لا داخله، فإن Grok 4.7 متاح الآن، ورخيص، ومناسب تمامًا لطبيعة المهمة. أما إذا كان عملك هو علم الأحياء نفسه، فإن النموذج الذي تريده يقف خلف استمارة، ولا يستطيع أي قدر من HealthBench Professional سد هذه الفجوة. في هذه الحالة، البوابة هي المنتج نفسه، وليست عائقًا أمامه.

توجيه الزوج، والموضع الوحيد الذي يجب أن نتوخى فيه الحذر

Grok 4.7 متاح على OrcaRouter بسعر SpaceXAI المعلن — 2.00 دولار للإدخال، و6.00 دولارات للإخراج، و0.50 دولار للإدخال المخزّن مؤقتًا لكل مليون رمز، مع هامش ربح 0%، كما تُطبّق عتبة 200K كفئة تسعير بحيث تُحتسب طلبات الموجّهات الطويلة بصدق بدلًا من أن تفاجئك. GPT-Rosalind ليس على OrcaRouter ولا على أي موجّه خارجي؛ بل يعمل مباشرةً عبر برنامج الوصول الموثوق لدى OpenAI. لن نلمّح إلى عكس ذلك، ولا يوجد مسار إعداد من شأنه تغيير ذلك.

ما يتبقى من ذلك هو النمط الذي تظل هذه المجموعة الكاملة من المقارنات تصل إليه. يعمل النصف الحسابي من منصة بحثية على Grok 4.7 و200+ نموذج آخر خلف مفتاح واحد، مع التبديل التلقائي عند الفشل بين المزوّدين بحيث تنقل مشكلة السعة الطلب بدلًا من إفشال التشغيل. ويبقى النصف البيولوجي على مفتاح مباشر. لغة التوجيه DSL هي المكان الذي تجعل فيه الحدود صريحة: مسار مسمّى للمتخصص يفشل بشكل واضح عندما لا يكون متاحًا، ومسار افتراضي لكل ما عدا ذلك، ودون ترقية صامتة لإجابة نموذج عام إلى خانة متخصص.

يستحق دمج النماذج أن يُعرَف به من أجل الحالات الحدّية. إنّ لوحةً تسأل نموذجًا عامًا رخيصًا ومتخصّصًا السؤال نفسه، ثم تقارن بينهما، هي وسيلة لالتقاط الطلب الذي صُنِّف خطأً — ذلك الذي بدا كأعمال سباكة وتبيّن أنه يحتاج إلى حكم في المجال. وهو أيضًا الطريقة الأمينة لاستخدام نموذج لا تثق به كليًا بعد.

ما الذي سيغيّر الإجابة؟

ثلاثة تطورات، لا شيء منها غريب. يمكن لـ SpaceXAI أن تنشر تقييمًا للمجال بالتفصيل نفسه الذي تتسم به مجموعة Rosalind الكيميائية — وHealthBench Professional بداية وليست قريبة. ويمكن لـ OpenAI أن توسّع خطة أكتوبر الأكاديمية لتشمل الوصول إلى API، وهو ما سيضع قدرة متخصصة مجانية في المختبرات نفسها التي لا تستطيع تحمّل تكلفتها حاليًا. أو يمكن لمنظومة اختبار مستقلة أن تُخضع كلا النموذجين للمجموعة نفسها من المهام العلمية، وهو ما سيحسم سؤالًا تجنّبه بعناية جدولا البائعين.

إلى أن يصل أحد هؤلاء، ليس الاختيار متقاربًا. إذا كان الطلب يتعلق بالشيفرة أو البيانات أو النثر، فإن Grok 4.7 يمثل ثلث سعر المخرجات مع سطح أدوات أكبر وتقييم مستقل، واختيار المتخصص سيكون وسيلة مكلفة لتشعر بالحرص. وإذا كان الطلب هو العلم، فادفع معامل 4.2× وتقبّل المراجعة، لأن النموذج الوحيد في هذه المقارنة الذي ضُبط خصيصًا له هو النموذج الذي جعلك تملأ استمارة.