Muse Spark مقابل Grok 4.7: أين يختلف المؤشر والساحة

على الورق، هذه هي المواجهة الأقل غموضًا في الساحة الحالية. M​use Spark 1.3، نقطة التحقق الحالية من سلسلة M​use Spark التابعة لـ M​eta Superintelligence Labs، يحقق 48 على مؤشر الذكاء لدى Artificial Analysis عند أقصى إعداد للاستدلال لديه، ويكلف 1.60 دولار لإكمال مهمة مؤشر واحدة. Grok 4.7، الصادر في 21 سبتمبر 2026، يحقق 46 عند إعداد xhigh الخاص به ويكلف 3.74 دولار للمهمة نفسها. يفوز M​use Spark بالمؤشر، ويفوز بسعر الرمز على جانبي الفاتورة، ويفوز بنافذة السياق، ويفوز بسرعة الإخراج، ويصدر رموزًا أقل أثناء ذلك. ثم تفتح لوحة مستقلة ثانية فتتغير الصورة: يحتل Grok 4.7 المرتبة 89 في لوحة المتصدرين النصية الخاصة بـ LMArena بـ 1444 إيلو من نحو اثني عشر ألف صوت، بينما M​use Spark 1.3 غير موجود في تلك اللوحة إطلاقًا. هذا التباين — وليس فجوة النقطتين في المؤشر — هو الأمر الذي يستحق الفهم قبل أن تختار، لأن اللوحة التي يشبهها مستخدموك هي التي ستحدد ما إذا كان ترحيلك يبدو كترقية.

نموذجان يراهنان على الشيء نفسه

يتشابه Grok 4.7 وM​use Spark 1.3 تشابهاً شبه تام في فلسفة التصميم. فكلاهما يُطرحان بوصفهما طرازين رائدين للاستدلال يعملان وفق مقاربة وكيلية طويلة الأمد. وكلاهما يُطلق أرقامه القياسية الرئيسية عند إعداد جهد أقصى بدلاً من الإعداد الافتراضي. وكلاهما، وفق القياس المستقل، كثِير الكلام على نحو غير معتاد. ولم يغيّر أي منهما شيئاً في التسعير عند إطلاقه — إذ قُدِّم Grok 4.7 بالسعر والسرعة نفسيهما اللذين قُدِّم بهما Grok 4.6، وحافظ M​use Spark على 1.25 دولاراً للإدخال و4.25 دولاراً للإخراج عبر ثلاث نقاط تفتيش متتالية.

تصف وثائق Grok 4.7 الخاصة به بأنه الرائد لدى x​AI من أجل "البرمجة وكل شيء آخر: استدعاء الأدوات الوكيلية، الحد الأدنى من الهلوسة، الاستدلال القابل للتكوين"، وهو ادعاء يتعلق بالموثوقية بدلاً من القدرة الخام. ووصف M​eta لـ M​use Spark 1.3 هو "مُدرَّب على سير العمل الوكيلي ومُحسَّن لأداء البرمجة التنافسية". بائعان، يصفان نفس الوظيفة، بأرقام تميل في الغالب لصالح أحدهما.

ملاحظة تسمية واحدة قبل الأرقام، لأنها تسبب المتاعب: M​use Spark هي عائلة. Muse Spark 1.1 (يوليو 2026) و Muse Spark 1.2 (أغسطس 2026) يتشاركان نفس صف النمطية ونافذة السياق مع 1.3 ويختلفان فقط في القدرات. يشير "M​use Spark" غير المُرقَّم إلى النموذج الأصلي من أبريل 2026. مقارنة Grok 4.7 بأي شيء آخر غير 1.3 هي مقارنة مع نقطة تفتيش أقدم أُعيد توجيهها.

الأرقام المستقلة، جنبًا إلى جنب

كل ما يرد أدناه هو قياس مستضاف من Artificial Analysis نفسها، مأخوذ عند إعداد الحوسبة العالية الخاص بكل نموذج. ولا يُعد أي من الصفين ادعاءً من مورّد.

• مؤشر الذكاء — M​use Spark 1.3 (الحد الأقصى): 48، المرتبة 24 من 217. Grok 4.7 (xhigh): 46، المرتبة 30 من 217.

• تكلفة كل مهمة فهرسة — Muse Spark 1.3: $1.60. Grok 4.7: $3.74. Muse Spark أرخص بمقدار 2.3 مرة لكل مهمة مكتملة.

• رموز الإخراج أثناء الفهرس — M​use Spark 1.3: 170M. Grok 4.7: 240M. تم تمييز كليهما بأنهما مطوّلان جدًا؛ G​rok أكثر بذلك بنسبة 41%.

• سرعة الإخراج — M​use Spark 1.3: 121.9 رمزًا في الثانية، الترتيب 43 من 186. Grok 4.7: 90.8 رمزًا في الثانية، الترتيب 87 من 186.

• الوقت حتى أول رمز — يبلغ متوسط Grok 4.7 37.26 ثانية، وهو ما تضعه القائمة في الطرف المرتفع مقابل وسيط فئة يبلغ 3.70 ثانية. لا يُنشر رقم مماثل لـ M​use Spark 1.3، وهذه فجوة وليست فوزًا؛ ولن نتعامل مع رقم مفقود على أنه رقم جيد.

• أسعار القائمة — Grok 4.7: 2.00 دولار للمدخلات / 6.00 دولارات للمخرجات مع الإدخال المخزّن مؤقتًا بسعر 0.50 دولار للطلبات النصية التي تقل عن 200,000 رمز. M​use Spark 1.3: 1.25 دولار للمدخلات / 4.25 دولارات للمخرجات مع الإدخال المخزّن مؤقتًا بسعر 0.15 دولار، بدون حد أدنى.

• السياق — Grok 4.7: 500,000 توكن. M​use Spark 1.3: 1,048,576.

• الوسائط — يقبل كلاهما النص والصورة ويعيدان النص؛ تضيف M​use Spark 1.3 إدخال الفيديو، وهو ما لا تدرجه وثائق Grok 4.7.

عتبة التسعير التي لا يذكرها أحد

يسعّر Grok 4.7 على شرائح، وتقع العتبة عند 200,000 رمز مطالبة: دونها تدفع 2.00 دولار للإدخال و6.00 دولار للإخراج؛ وعندها أو فوقها تُحتسب الطلبية كاملةً بسعر 4.00 دولار للإدخال و12.00 دولارًا للإخراج، مع انتقال الإدخال المخزّن مؤقتًا من 0.50 دولار إلى 1.00 دولار. القاعدة ليست تسعيرًا للاستخدام الهامشي — فتجاوز الخط يعيد تسعير كل شيء في الطلب. وفي مقابل نافذة سياق من 500,000 رمز، يمثل ذلك باب فخّ يقع عند 40% من عمق النافذة، وأي مسار استرجاع يحشو مستندات داخل مطالبة Grok سيعثر عليه في الشهر التالي لإطلاقه.

لا تنشر M​use Spark 1.3 أي بنية شرائح مماثلة: بل سعر واحد عبر نافذة المليون رمز بأكملها. وهذا يستحق أكثر من فارق النقطتين في المؤشر بالنسبة لأي شخص تكون مطالباته كبيرة بحكم التصميم. ويتضاعف ذلك أيضًا مع فارق التخزين المؤقت — فالمدخل المخزّن مؤقتًا لدى G​rok هو 0.50 دولار لكل مليون مقابل 0.15 دولار لدى M​use Spark — لذا في حلقة وكيل كثيفة التخزين المؤقت تعمل قرب العتبة، تكون فجوة التكلفة الفعلية بين هذين أوسع مما توحي به الأسعار المعلنة، وليست أضيق.

أين تكون لدى Grok 4.7 حجة حقيقية

الجدول غير المتوازن أعلاه ليس الحجة بأكملها، وهناك ثلاثة أمور في جانب G​rok تستحق أن تُقال بوضوح.

أولاً، مستويات الكمون. تطرح xAI نسخة Grok 4.7 Fast بسرعة مضاعفة وسعر مضاعف، وتوزعها عبر Cursor وGrok Build بدلاً من واجهة API العامة. إذا كان قيدك هو الاستجابة التفاعلية خلال ساعات الذروة، فإن وجود طبقة سريعة معتمدة من المورّد للنموذج نفسه يُعد خيارًا تشغيليًا حقيقيًا. ولا تنشر Meta نظيرًا لها لـ Muse Spark 1.3.

ثانيًا، اكتمال التوثيق. ينشر Grok 4.7 تاريخ قطع معرفة هو مايو 2026 وصورة كاملة لحدود معدل الاستخدام والتوافر الإقليمي؛ أما السجل المنشور لـ Muse Spark 1.3 فلا يتضمن تاريخ قطع معرفة ولا رقمًا للحد الأقصى للمخرجات يمكننا التحقق منه. وعندما يكون نموذجان متقاربين، فإن النموذج المكتوبة حدوده هو الذي يمكنك التخطيط بناءً عليه، وصمت المورّد بشأن سقف معيّن ليس كعدم وجود ذلك السقف.

ثالثًا، والأهم بالنسبة لتأطير هذه القطعة: إشارة التفضيل البشري تشير في الاتجاه المعاكس. يحتل Grok 4.7 المرتبة 89 على لوحة صدارة النصوص في LMArena بـ11,591 صوتًا خلف تصنيف Elo مقداره 1444 — ترتيب متواضع، لكنه قائم على قياس. M​use Spark 1.3 ليس على تلك اللوحة. درجة المؤشر ودرجة الساحة تجيبان عن سؤالين مختلفين: يسأل المؤشر عمّا إذا كان النموذج قادرًا على إكمال مجموعة من المهام الصعبة، بينما تسأل الساحة عمّا إذا كان الناس يفضّلون إجاباته. مرتبة Grok 4.7 في المؤشر البالغة 30 مقابل مرتبته في الساحة البالغة 89 تقول شيئًا محددًا — إن قدرته لا تُترجم إلى تفضيل بالمعدل نفسه الذي تُترجم به قدرات أقرانه. غياب M​use Spark 1.3 يقول شيئًا أقل تحديدًا لكنه ليس محايدًا: الأدلة على كيفية تفاعل الناس مع مخرجاته غائبة ببساطة.

ادعاءات الموردين، مُفصولة

لا نعيد إنتاج أي من مجموعتي الأرقام الواردتين أدناه، ولا تشترك القائمتان في تقييمات كافية تسمح بطرح إحداهما من الأخرى.

يُفيد إعلان xAI بأن Grok 4.7 حقّق 46.3% في CursorBench 4.0، و37.6% في Terminal-Bench 4.0، و64.0% في EEBench، و71.0% في DeepSWE v1.1 عند الجهد العالي، و19.6% في Harvey Legal Agent، و56.7% في HealthBench Professional، وGDPval Elo 1695 عند xhigh.

تقرير أداء ‏Meta لـ ‏Muse Spark 1.3 يُفيد بأن DeepSWE v1.1 عند 75.4، وOSWorld 2.0 عند 66.9، وTerminal-Bench 2.1 عند 76.4 مع الوكيل Terminus 2، وMCP-Atlas عند 89.2، وGDPval-AA v2 عند 1,754، وSciCode عند 58.5، وHLE-Diamond بدون أدوات عند 26.1، وJobBench عند 61.8.

الإغراء هو أن تقرأ 75.4 مقابل 71.0 على DeepSWE وتصفها بأنها فوز لـ Meta بفارق أربع نقاط. لا تفعل ذلك: فـ xAI تنشر رقمها عند الجهد العالي، في حين أن أفضل نتيجة لـ Meta تعود إلى إعداد الحد الأقصى، وقد استخدمت الشركتان أدوات اختبار مختلفة. ما تُثبته القائمتان حقًا هو شكل الخلاف، لا حجمه.

ما الذي يغيّر القرار في الممارسة العملية؟

• حجم المُطالبة — إذا تجاوزت مُطالباتك 200,000 رمز، فإن إعادة تسعير العتبة في Grok 4.7 هي البند الأكبر منفردًا في هذه المقارنة، وهي التي تجعل جدول التكلفة لكل رمز مضللًا.

• الاسترجاع والسياق الطويل — نافذة M​use Spark 1.3 البالغة 1M مقابل نافذة 500K لدى Grok 4.7 تشكّل فرقًا حقيقيًا في القدرات عند العمل على مستودع كامل أو مستند كامل، وليس مجرد تفصيل استعراضي في ورقة المواصفات.

• حجم المخرجات — كلا النموذجين مسهبان؛ Grok 4.7 أكثر إسهابًا عند 240 مليون رمز في المؤشر مقابل 170 مليون. إذا كانت فاتورتك يغلب عليها رموز المخرجات، فأنت تختار بين خيارين مكلفين، والخيار الأرخص هو M​use Spark.

• عناصر التحكم في الاستدلال — يوفّر Grok 4.7 المستويات منخفض ومتوسط وعالٍ وxhigh، مع الافتراضي عند عالٍ. يعمل M​use Spark 1.3 من الحد الأدنى إلى الأقصى. لا يمكن إيقاف تشغيل أي منهما بالكامل.

• التدفق والمخرجات المهيكلة — يدعم Grok 4.7 استدعاء الدوال والمخرجات المهيكلة، وتعيد Responses API الخاصة به دائمًا محتوى استدلاليًا مشفّرًا؛ ولا تُدعم المعالجة بالدفعات. إذا كنت تعتمد على التسعير بالدفعات، فهذا يُعد عامل استبعاد من جانب Grok، ويستحق التحقق منه مقابل شروط API الخاصة بـ Muse Spark قبل أن تفترض الشيء نفسه.

• خطر التفضيل — إذا كان معيار الجودة لمنتجك محدَّدًا بحكم المستخدم لا بإكمال اختبارات المعيار، فإن Grok 4.7 لديه موقعٌ مُقاس في الساحة — وإن كان غير مُجْمِل — بينما Muse Spark 1.3 ليس لديه أي موقع. لا يُعدّ أيٌّ من الرقمين سببًا للترحيل؛ بل إن غياب أحدهما سبب لإجراء مقارنتك الخاصة.

وضع كلٍّ منهما على نقطة نهاية واحدة

Grok 4.7 متاح على OrcaRouter، إلى جانب نقطتي حفظ Muse Spark اللتين نقدمهما، Muse Spark 1.2 و Muse Spark 1.1، بسعر القائمة لدى كل مزوّد مع تمرير دون أي هامش ربح بنسبة 0% — واجهة API واحدة عبر أكثر من 200 نموذج، وتجاوز تلقائي عند الفشل بينها، ولغة DSL للتوجيه لتقسيم حركة المرور حسب القواعد. هذه التركيبة هي أرخص طريقة للإجابة عن السؤال الذي لا تستطيع هذه المقالة الإجابة عنه نيابة عنك. عتبة 200K من جهة Grok تجعلها مرشحًا جيدًا بشكل خاص لقاعدة توجيه: حدّد سقف Grok عند العتبة، وأرسل الطلبات التي تتجاوز الحد إلى نموذج بتعرفة ثابتة، ودع التجاوز التلقائي يتعامل مع اليوم الذي يتدهور فيه أحدها.

إفصاحان. Muse Spark 1.3 نفسه ليس في كتالوجنا، لذا فإن جانب Muse Spark في أي اختبار تجريه هنا يبدأ من 1.2 — نقطة التحقق التي تقيسها Artificial Analysis تقع أقل بنقطة واحدة من Muse Spark Open، وهي نقطة تحمل الآن إشعار إهمال يشير إلى 1.3. والأرقام الوحيدة في هذا المقال التي ندافع عنها كقياسات هي صفوف Artificial Analysis؛ أما أرقام المورّدين على الجانبين فهي ادعاءات، وترتيب LMArena أولي بحسب وسمه الخاص.

أيّ واحد، اليوم

إذا كنت تختار بناءً على أدلة منشورة ومستقلة، وكان عبء عملك طويل السياق، أو يستقبل الفيديو، أو كثيف التخزين المؤقت، أو حساسًا للتكلفة، فإن Muse Spark 1.3 هو النموذج الأقوى في كل سطر تقريبًا والأرخص لكل مهمة مكتملة بمعامل 2.3. وإذا كان عبء عملك أقل من 200,000 رمز، أو يعتمد على المخرجات المهيكلة واستدعاء الدوال، أو يستفيد من طبقة سريعة يديرها المورّد، أو يحكم عليه المستخدمون بدلًا من إكمال الاختبارات المعيارية، فإن Grok 4.7 لديه حجة متماسكة لا تلتقطها مقارنة المؤشر — وهو الوحيد من بين الاثنين الذي يملك رقم تفضيل بشري على الإطلاق. الملخص الصادق هو أن هذه المواجهة تُحسم بحجم المطالبة وبمن يُقيّم المخرجات، وبلا شيء آخر تقريبًا في أي من بطاقتي التقييم.

تلك الفجوة بين ما تقيسه لوحة النتائج وما يواجهه النشر هي سبب أهمية السجل: فحالات فشل الذكاء الاصطناعي الموثقة وحوادث الوكلاء المرتبطة بنماذج من هذه الفئة مجموعة في the OrcaRouter AI Incident Archive، حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته وتصنيف ثقته وعلامته كمتنازع عليه.