Ripple 65B Preview לעומת Grok 4.7: באיזה מדד אתם באמת מאמינים?

Ripple 65B Preview הושק ב-4 בנובמבר 2026 עם סיפור על גודל: מודל במשקלים פתוחים בן 65 מיליארד פרמטרים מבית Ricursive Intelligence שמנצח את 816B Muse Spark Open של Meta, את 975B Inkling של Thinking Machines ואת 550B Nemotron 3 Ultra של NVIDIA בקידוד סוכני. Grok 4.7 מספר סיפור אחר. זהו מודל סגור של xAI שיצא ב-21 בספטמבר 2026, הוא מקבל 35 ב-Intelligence Index v5.0.1 של Artificial Analysis — הנמוך מכל מודל קרוב לחזית בטווח המחירים הזה — והוא עדיין מנצח את Ripple 65B Preview ב-27 נקודות במדד הקידוד היחיד ששתי המעבדות פרסמו באותה גרסה. שני מודלים, שני סיפורי מדדים, שמצביעים בכיוונים מנוגדים. השאלה המעניינת היא לא איזה מודל טוב יותר. אלא על איזו מדידה אתה מוכן להמר עומס עבודה בייצור.

ההיפוך, בניסוח פשוט

הכרטיס של Grok 4.7 מדווח על DeepSWE v1.1 ב-71.0. הכרטיס של Ripple מדווח 44.3. אותו מבחן, אותה גרסה, שניהם מדווחים על ידי הספק, ואין עמימות לגבי ה-harness להתווכח עליה. Grok מנצח ב-26.7 נקודות בעבודת סוכן בהנדסת תוכנה.

עכשיו בכיוון ההפוך. Ripple מדווחת על Terminal-Bench 2.1 בתוצאה 80.52. Grok מדווח על Terminal-Bench 4.0 בתוצאה 38.0. אלה אינם ברי-השוואה — 2.1 הוא עדכון של 89 משימות על סט 2.0, 4.0 הוא סט משימות שנבנה מחדש עם בדיקות אדוורסריות לאיתור רמאות ומגבלת זמן של שמונה שעות שמוטטה כל ציון חזיתי ברגע שנחשף אליה — אבל כיוון הפער כל כך גדול שקרוב לוודאי שהגרסה לבדה אינה מסבירה אותו. הציון 38.0 של Grok נמוך אפילו ל-4.0; Claude Opus 5.5 מדווח שם על 66.4 ו-GPT-6.1 Sol על כ-55.

אז אותו צמד מודלים מפיק ניצחון של 27 נקודות ל-Grok במבחן אחד וניצחון של 42 נקודות ל-Ripple במבחן אחר. אחד משני המבחנים האלה מודד משהו שהשני לא מודד, וקונה צריך לדעת איזה מהם דומה לעומס העבודה שלו.

מה מתגמל כל אחד מ-Terminal-Bench ו-DeepSWE

Terminal-Bench הוא בנצ'מרק למשימות מעטפת. הסוכן מקבל מכולה, מטרה ומגבלת זמן, ומקבל ציון לפי האם המצב הסופי של מערכת הקבצים והשירותים נכון. גרסה 2.1 תיקנה 28 מתוך 89 המשימות בשל תלויות שבורות, אי-התאמות משאבים וחוסר מפרט; גרסה 4.0 מוציאה שמונה משימות, מתקנת תשע-עשרה נוספות, ומוסיפה בדיקות עמידות בפני חבלה במיוחד משום שסוכנים מצאו דרכים לעבור בלי לבצע את העבודה. מחקר של Berkeley RDI הראה סוכן ניצול אוטומטי שמגיע ל-100% ב-SWE-bench Pro וב-Terminal-Bench בלי לפתור אפילו משימה אחת, על ידי דריסת המנתח או הפיכת curl לסוס טרויאני בתוך המכולה. כל העלאת גרסה מאז היא מרוץ חימוש נגד זה.

DeepSWE הוא צורה אחרת: הנדסת תוכנה לטווח ארוך על מאגרי קוד אמיתיים, שבה הסוכן צריך להחזיק תוכנית לאורך עריכות רבות. היא מתגמלת התמדה וניהול הקשר יותר מאשר עבודת shell מתוחכמת. מודל יכול להיות מצוין באחד ובינוני באחר, ונראה ששתי המעבדות כאן ביצעו אופטימיזציה לשני חצאים שונים.

זה הדבר השימושי ביותר בהשוואה הזו. אם הסוכנים שלך חיים בקונטיינרים ועוסקים בעבודת מערכות — בנייה, מיגרציות, תיקון תשתיות — סדר הדירוג של Terminal-Bench הוא הרלוונטי, וה-80.5 של Ripple משנה. אם הסוכנים שלך עורכים בסיס קוד גדול לאורך מאות סבבים, DeepSWE קרוב יותר למשימה, וה-71.0 של Grok משנה.

הפרופיל האמיתי של Grok 4.7

Grok 4.7 הוא מודל הסקה עם ארבע רמות מאמץ — low, medium, high ו-xhigh — שבו רמת high היא ברירת המחדל ולא ניתן לכבות את ההסקה לחלוטין. זה יוצא דופן, ויש לכך השלכה עלותית: כל קריאה כרוכה בתשלום על טוקני חשיבה בין אם המשימה זקוקה להם ובין אם לא. המודל מציע חלון הקשר של 500,000 טוקנים, מקבל טקסט ותמונות ומחזיר טקסט.

• מחיר — Grok: ‏$2.00 לקלט / $6.00 לפלט למיליון כאשר הקלט מתחת ל-200K, ו-$4.00 / $12.00 מעל; ל-Ripple אין מחיר מחירון, ותעריפים מתארחים בסביבות $0.20 / $0.60

• הקשר — Grok 500K לעומת Ripple עם עד 1M כנטען

• ציון עצמאי — Grok 35 ב-AA index v5.0.1 במחיר $7.77 לכל משימת אינדקס; Ripple ללא דירוג

• מהירות פלט — Grok נמדד ב־72 tok/s; Ripple טוענת ל־250 tok/s על 2×B200

• רישיון — Grok קנייני, API בלבד; Ripple — Apache 2.0

• DeepSWE v1.1 — Grok 71.0 מול Ripple 44.3

• שחרור — Grok ב-21 בספטמבר 2026 לעומת Ripple ב-4 בנובמבר 2026

סף 200,000 הטוקנים הוא פרט החיוב שתופס אנשים: חצייה שלו מחייבת מחדש את כל הבקשה בתעריף הגבוה יותר, ולא רק את העודף. קריאה של 210K טוקנים עולה פי שניים מקריאה של 199K טוקנים. עם חלון של 500K ומצב חשיבה שפועל תמיד, קל לחרוג מזה בטעות.

מלכודת הפלט הזול

שישה דולרים למיליון טוקני פלט הם התעריף הנמוך ביותר מבין המודלים הסגורים בהשוואה הזו — Opus 5.5 עומד על 20 דולר, Sol ו-Argon על 10 דולר — וזה המספר שהמצג השיווקי של Grok נשען עליו. זה גם המספר שהכי סביר להטעות.

שני דברים אוכלים את היתרון. ראשית, הסקה היא חובה, כך שחלק משמעותי ממה שמחייבים אותך עליו הוא חשיבה שלא ביקשת. Artificial Analysis מודדת את Grok 4.7 ב-$7.77 של מחשוב לכל משימת אינדקס, שזה פי שישה מה-$1.27 של GPT-6.1 Sol, וגבוה מה-$10.04 של Opus 5.5 רק במעט — למרות שקצב הפלט המוצהר הוא שליש מזה של Opus. שנית, לפי הדיווח המודל צורך בערך פי שניים טוקנים לכל משימה לעומת Grok 4.6 עבור עבודה דומה. טוקנים זולים כפול יותר טוקנים אינו חיסכון.

הכלכלה של Ripple היא בצורה הפוכה וקלה לא פחות להבנה שגויה. אין מחירון כלל: המשקולות הן ברישיון Apache 2.0 והעלות היא כרטיסי GPU. ב-250 טוקנים לשנייה על שני B200s ב-BF16, התפוקה לדולר מצוינת אם משאירים את כרטיסי ה-GPU עסוקים וגרועה אם לא. התעריפים המתארחים סביב $0.20 לקלט ו-$0.60 לפלט הם פריסת העלויות של מישהו אחר של בדיוק אותו ויתור.

עבודה לטווח ארוך, שבה המספרים של Grok הם החזקים ביותר

השורות שההשקה של Grok הדגישה היו שורות המרתון: SWE-Marathon v1.1 ב-46.0, עלייה מ-31.9 ב-Grok 4.6, FrontierSWE V2 ב-29.5, ו-CursorBench 4.0 ב-46.3 לעומת 40.4. אלה בנצ'מרקים העוסקים במאמץ מתמשך בתוך משימה ארוכה אחת, והם השתפרו בין 4.6 ל-4.7 הרבה יותר מאשר ציוני הסבב הבודד. המסגור של xAI עצמה — אותו מחיר, אופקים ארוכים יותר — מדויק.

הטיעון הנגדי של Ripple הוא ארכיטקטוני. מודל dense בן 80 שכבות עם חלון של 1M, שאומן דרך שלבי הקשר ארוך של 2M טוקנים, בנוי להחזיק סט עבודה גדול, ולמודל dense בנפח 65B אין ניתוב מומחים שיכול להשתבש בקנה מידה. האם זה מתורגם להתנהגות טובה יותר באופק ארוך — זו בדיוק השאלה שאף מבחן פומבי לא עונה עליה, משום ש-Ripple לא הורץ על SWE-Marathon או FrontierSWE.

מה לעשות עם זה

אל תבחר בין השניים האלה על סמך תרשים בנצ'מרק. בחר לפי צורת העבודה וצורת החשבון.

מערכות מבוססות קונטיינר עובדות, יכולת להריץ GPUs משלך, ודרישת רישוי שמסיימת את השיחה עם API סגור: Ripple 65B Preview הוא הניסוי הנכון, וה-80.5 שלו ב-Terminal-Bench 2.1 — השוואה שקולה לשאר המודלים בקוד פתוח בתרשים הזה — היא ההוכחה לכך. עריכה בקנה מידה של מאגר לאורך אופקים ארוכים: ה-71.0 של Grok 4.7 ב-DeepSWE הוא האות החזק ביותר לאותה גרסה בכל כיוון, וציוני המרתון שלו תומכים בכך.

Grok 4.7 ניתן לניתוב היום דרך OrcaRouter במחיר המחירון של xAI עם 0% תוספת, לצד יותר מ-200 מודלים אחרים במפתח אחד — כולל ארבע רמות המאמץ, כך שקריאת מיון זולה והסלמה ל-xhigh יכולות לשבת מאחורי אותו endpoint, וכשל אוטומטי אם xAI נחלשת. זה חשוב יותר מהרגיל עבור Grok, כי העלות לכל משימה נשלטת על ידי נפח הטוקנים ולא על ידי מחיר המחירון; ניתוב הקריאות הקלות למודל זול יותר משנה את החשבון המשולב הרבה יותר מאשר תעריף ה-$6. Ripple לא נמצא בקטלוג, כך שהפיצול המסוים הזה אינו זמין עבורו.

המספר שמכריע את ההשוואה הזו עדיין לא קיים: ל-Ripple 65B Preview אין הרצה חוזרת של DeepSWE באמצעות harness ניטרלי ואין רשומה ב-Artificial Analysis. עד שזה יקרה, הדבר היחיד הכנה לומר הוא ש-Grok 4.7 טוב יותר באופן מדיד בעבודה על מאגרי קוד ארוכים ו-Ripple טוב יותר באופן מדיד במשימות shell, ושהבנצ'מרק שאת שמו אתה מזהה אינו בהכרח זה שעומס העבודה שלך דומה לו.