Ripple 65B Preview مقابل Grok 4.7: أي معيار قياس أداء تصدّقه فعلاً؟

أُطلق Ripple 65B Preview في 4 نوفمبر 2026 بقصة تدور حول الحجم: نموذج مفتوح الأوزان بـ65 مليار معامل من Ricursive Intelligence يتفوق على Muse Spark Open من Meta البالغ 816 مليار معامل، وInkling من Thinking Machines البالغ 975 مليار معامل، وNemotron 3 Ultra من NVIDIA البالغ 550 مليار معامل في البرمجة الوكيلية. Grok 4.7 يحكي قصة مختلفة. فهو نموذج مغلق من xAI صدر في 21 سبتمبر 2026، ويحصل على 35 في مؤشر الذكاء Intelligence Index v5.0.1 الصادر عن Artificial Analysis — وهو الأدنى بين أي نموذج قريب من الحدود التقنية في هذه الفئة السعرية — ومع ذلك لا يزال يتفوق على Ripple 65B Preview بـ27 نقطة في معيار البرمجة الوحيد الذي نشرته المختبرات بالإصدار نفسه. نموذجان، وقصتان لمعيارين، تشيران في اتجاهين متعاكسين. السؤال المثير للاهتمام ليس أي النموذجين أفضل، بل أي قياس أنت مستعد للمراهنة عليه بحمل عمل إنتاجي.

الانقلاب، بعبارة واضحة

تشير بطاقة Grok 4.7 إلى نتيجة 71.0 في DeepSWE v1.1. وتشير بطاقة Ripple إلى 44.3. الاختبار المعياري نفسه، والإصدار نفسه، وكلاهما مُبلَّغ عنه من قِبل البائع، ولا يوجد أي غموض في أداة الاختبار للجدال بشأنه. يتفوق Grok بفارق 26.7 نقطة في أعمال وكلاء هندسة البرمجيات.

الآن الاتجاه الآخر. تُبلّغ Ripple عن Terminal-Bench 2.1 بنتيجة 80.52. ويُبلّغ Grok عن Terminal-Bench 4.0 بنتيجة 38.0. هذان الرقمان غير قابلين للمقارنة — فـ2.1 عبارة عن رقعة من 89 مهمة على مجموعة 2.0، بينما 4.0 مجموعة مهام أُعيد بناؤها مع فحوصات غش عدائية ومهلة ثماني ساعات أسقطت كل نتيجة حدودية بمجرد ملامستها — لكن اتجاه الفجوة كبير إلى حدٍّ يجعل من غير المرجح أن يفسّرها الإصدار وحده. حتى بالنسبة إلى 4.0، تُعدّ نتيجة Grok البالغة 38.0 منخفضة؛ إذ تسجّل Claude Opus 5.5 نتيجة 66.4 هناك، وGPT-6.1 Sol نحو 55.

إذن، ينتج الزوج نفسه من النماذج فوزًا بفارق 27 نقطة لصالح Grok في أحد المعايير، وفوزًا بفارق 42 نقطة لصالح Ripple في معيار آخر. أحد هذين الاختبارين يقيس شيئًا لا يقيسه الآخر، ويحتاج المشتري إلى معرفة أيهما يشبه عبء العمل لديه.

ما الذي يكافئه كلٌّ من Terminal-Bench وDeepSWE على حدة

Terminal-Bench هو معيار أداء لمهام الصدفة. يحصل الوكيل على حاوية وهدف وحد زمني، ويُقيَّم بناءً على ما إذا كانت الحالة النهائية لنظام الملفات والخدمات صحيحة. أصلح الإصدار 2.1 ثمانيًا وعشرين مهمة من أصل 89 مهمة بسبب تبعيات معطوبة وعدم تطابق الموارد وسوء التحديد؛ ويستبعد الإصدار 4.0 ثماني مهام، ويصلح تسع عشرة مهمة أخرى، ويضيف فحوصات مقاومة للعبث تحديدًا لأن الوكلاء كانوا يجدون طرقًا للنجاح دون القيام بالعمل. أظهرت دراسة من Berkeley RDI أن وكيل استغلال آلي بلغ 100% في SWE-bench Pro وTerminal-Bench دون حل مهمة واحدة، عبر الكتابة فوق المحلل أو زرع حصان طروادة في curl داخل الحاوية. وقد كان كل رفع للإصدار منذ ذلك الحين سباق تسلح ضد ذلك.

DeepSWE ذو طبيعة مختلفة: هندسة برمجيات طويلة الأفق على مستودعات حقيقية، حيث يتعين على الوكيل الإبقاء على خطة عبر تعديلات كثيرة. وهو يكافئ المثابرة وإدارة السياق أكثر من العمل الذكي في صدفة الأوامر. يمكن لنموذج أن يكون ممتازًا في أحدهما ومتوسطًا في الآخر، ويبدو أن المختبرين هنا قد حسّنا لصالح نصفين مختلفين.

هذا هو الشيء الأكثر فائدة في هذه المقارنة. إذا كانت وكلاؤك يعملون داخل حاويات في مهام على مستوى الأنظمة — عمليات البناء، والترحيل، وإصلاح البنية التحتية — فإن ترتيب Terminal-Bench هو الترتيب ذو الصلة، ونتيجة Ripple البالغة 80.5 لها أهميتها. أما إذا كانت وكلاؤك تعدّل قاعدة شيفرة كبيرة على مدى مئات الجولات، فإن DeepSWE أقرب إلى المهمة الفعلية، ونتيجة Grok البالغة 71.0 لها أهميتها.

الملف التعريفي الفعلي لـ Grok 4.7

Grok 4.7 هو نموذج استدلال بأربعة مستويات من الجهد — منخفض، ومتوسط، ومرتفع، وxhigh — حيث مرتفع هو المستوى الافتراضي، ولا يمكن تعطيل الاستدلال كليًا. هذا أمر غير معتاد، وله تبعات على التكلفة: فكل استدعاء يدفع ثمن رموز التفكير سواء احتاجت المهمة إليها أم لا. ويمتلك النموذج نافذة سياق تبلغ 500,000 رمز، ويقبل النصوص والصور، ويعيد النصوص.

• السعر — Grok: 2.00 دولار للإدخال / 6.00 دولارات للإخراج لكل مليون عندما تكون المدخلات أقل من 200 ألف، و4.00 / 12.00 دولارًا فوق ذلك؛ لا يقدّم Ripple سعرًا مدرجًا، والأسعار المستضافة قريبة من 0.20 / 0.60 دولار

• السياق — Grok 500K مقابل Ripple حتى 1M كما يُزعم

• درجة مستقلة — Grok 35 على مؤشر AA الإصدار v5.0.1 بسعر 7.77 دولار لكل مهمة مؤشر؛ Ripple غير مصنّف

• سرعة الإخراج — Grok: 72 رمزًا/ثانية مُقاسة؛ Ripple: 250 رمزًا/ثانية مُدّعاة على 2×B200

• الترخيص — Grok احتكاري، API فقط؛ Ripple بموجب Apache 2.0

• DeepSWE v1.1 — Grok 71.0 مقابل Ripple 44.3

• الإصدار — Grok 21 سبتمبر 2026 مقابل Ripple 4 نوفمبر 2026

عتبة الـ200,000 رمز هي تفصيل الفوترة الذي يوقع الناس في الفخ: تجاوزها يعيد فوترة الطلب بأكمله بالسعر الأعلى، لا الفائض وحده. فنداء بـ210 آلاف رمز يكلّف ضعف ما يكلّفه نداء بـ199 ألف رمز. ومع نافذة سعة 500 ألف رمز والاستدلال المفعّل دائمًا، يسهل تجاوزها عن غير قصد.

فخ المخرجات الرخيصة

ستة دولارات لكل مليون توكن إخراج هي أقل سعر بين النماذج المغلقة في هذه المقارنة — إذ يبلغ Opus 5.5 عشرين دولارًا، وSol وArgon عشرة دولارات — وهو الرقم الذي يستند إليه عرض Grok الترويجي. وهو أيضًا الرقم الأرجح أن يكون مضلِّلًا.

هناك أمران يلتهمان الميزة. أولًا، الاستدلال إلزامي، لذا فإن حصة معتبرة مما تُحاسَب عليه هي تفكير لم تطلبه. تقيس Artificial Analysis تكلفة Grok 4.7 عند 7.77 دولارات من الحوسبة لكل مهمة مؤشر، أي ستة أضعاف تكلفة GPT-6.1 Sol البالغة 1.27 دولار، وأعلى من تكلفة Opus 5.5 البالغة 10.04 دولارات بفارق ضئيل فقط — رغم أن سعر الإخراج المعلن ثلث سعر Opus. ثانيًا، يُقال إن النموذج يستهلك نحو ضعف عدد الرموز لكل مهمة مقارنة بـ Grok 4.6 لعمل مماثل. الرموز الرخيصة مضروبة في رموز أكثر ليست توفيرًا.

اقتصاديات Ripple ذات شكل معاكس وبنفس سهولة سوء الفهم. لا توجد قائمة أسعار على الإطلاق: فالأوزان بترخيص Apache 2.0 والتكلفة هي وحدات GPUs. عند 250 رمزًا في الثانية على وحدتي B200 بصيغة BF16، تكون الإنتاجية لكل دولار ممتازة إذا أبقيت وحدات GPUs مشغولة، وسيئة إذا لم تفعل. أما الأسعار المستضافة القريبة من 0.20 دولار للإدخال و0.60 دولار للإخراج فهي إطفاء طرف آخر لتلك المقايضة نفسها بالضبط.

العمل طويل الأمد، حيث تكون أرقام Grok أقوى ما تكون

الصفوف التي أبرزها إطلاق Grok كانت صفوف الماراثون: SWE-Marathon v1.1 عند 46.0، ارتفاعًا من 31.9 لدى Grok 4.6، وFrontierSWE V2 عند 29.5، وCursorBench 4.0 عند 46.3 مقابل 40.4. هذه معايير تتعلق بالجهد المتواصل داخل مهمة طويلة واحدة، وقد تحسّنت بين 4.6 و4.7 أكثر بكثير مما تحسّنت درجات الجولة الواحدة. وصياغة xAI نفسها — السعر نفسه، آفاق أطول — دقيقة.

ردّ Ripple معماري. فالنموذج الكثيف ذو الثمانين طبقة والنافذة البالغة 1M، الذي دُرِّب عبر مراحل سياق طويل تبلغ 2M توكن، مصمَّم لاستيعاب مجموعة عمل كبيرة، أما النموذج الكثيف بحجم 65B فلا يحتوي على توجيه خبراء يمكن أن يخطئ على نطاق واسع. وأما ما إذا كان ذلك يُترجم إلى سلوك أفضل على المدى الطويل فهو بالضبط ما لا تُجيب عنه أي مقاييس مرجعية منشورة، لأن Ripple لم يُشغَّل على SWE-Marathon أو FrontierSWE.

ماذا نفعل بهذا؟

لا تختَر بين هذين الاثنين بناءً على مخطط للمقارنة المعيارية. اختر بناءً على شكل العمل وشكل الفاتورة.

عمل أنظمة قائمة على الحاويات، والقدرة على تشغيل وحدات GPU الخاصة بك، ومتطلب ترخيص ينهي النقاش مع واجهة API مغلقة: Ripple 65B Preview هو التجربة الصحيحة، ونتيجته 80.5 على Terminal-Bench 2.1 — وهي مقارنة متماثلة مع النماذج الأخرى مفتوحة الأوزان على ذلك المخطط — هي الدليل على ذلك. التحرير على مستوى المستودع عبر آفاق طويلة: نتيجة Grok 4.7 البالغة 71.0 على DeepSWE هي أقوى إشارة لنفس الإصدار في أي من الاتجاهين، ونتائجه في الماراثون تدعم ذلك.

أصبح Grok 4.7 اليوم قابلاً للتوجيه عبر OrcaRouter بسعر قائمة xAI وهامش ربح 0%، إلى جانب أكثر من 200 نموذج آخر على مفتاح واحد — بما في ذلك مستويات الجهد الأربعة، بحيث يمكن أن يقف استدعاء فرز رخيص وتصعيد بمستوى xhigh خلف نقطة النهاية نفسها، مع تجاوز تلقائي للفشل إذا تراجعت xAI. وهذا يهم Grok أكثر من المعتاد، لأن تكلفة كل مهمة لديه يتحددها حجم الرموز (tokens) أكثر مما يتحددها سعر القائمة؛ فتوجيه الاستدعاءات السهلة إلى نموذج أرخص يغيّر الفاتورة المجمّعة أكثر بكثير مما يفعله سعر 6 دولارات. أما Ripple فليس في الكتالوج، لذا فإن هذا التقسيم تحديداً غير متاح له.

الرقم الذي يحسم هذه المقارنة غير موجود بعد: {{1}}Ripple 65B Preview{{/1}} ليس لديه إعادة تشغيل لـ{{2}}DeepSWE{{/2}} بواسطة أداة اختبار محايدة ولا إدخال في {{3}}Artificial Analysis{{/3}}. وإلى أن يتوفر ذلك، فإن الشيء الصادق الوحيد الذي يمكن قوله هو أن {{4}}Grok 4.7{{/4}} أفضل بشكل قابل للقياس في العمل على المستودعات الطويلة، و{{1}}Ripple{{/1}} أفضل بشكل قابل للقياس في مهام shell، والمعيار الذي تتعرّف على اسمه ليس بالضرورة هو المعيار الذي يشبه عبء عملك.