معرفی مدل‌ها و ابزارهای هوش مصنوعی Grok

توی این مقاله از دیکاردو مدل‌های هوش مصنوعی گراک رو بررسی کردم. اگه می‌خوای با مدل‌های مختلف این هوش مصنوعی آشنا بشی، این مقاله رو از دست نده.

خانواده اکانت Grok فقط شامل مدل‌های گفت‌وگو نیست؛ مدل‌هایی برای برنامه‌نویسی و تحلیل اطلاعات، تولید تصویر، ساخت ویدیو و مکالمه صوتی هم داره.

در حال حاضر، Grok 4.7 جدیدترین مدل اصلی گراک برای برنامه‌نویسی، تحلیل و کارهای تخصصی هست و سازنده اون رو توانمندترین مدل خودش در این حوزه‌ها معرفی کرده.

قبل از بررسی مدل‌ها، حواستون باشه که محل دسترسی به همه مدل‌ها یکسان نیست. بعضی قابلیت‌ها در سایت و اپ گراک ارائه می‌شن و بعضی از طریق API یا ابزارهایی مثل Cursor و Grok Build در دسترس هستن. بنابراین، نباید فرض کنین که با خرید یک اشتراک گراک، به همه مدل‌ها و تنظیمات این مقاله دسترسی پیدا می‌کنین.

مقایسه سریع مدل‌های گراک

۱. مدل Grok 4.7

Grok 4.7 پیشرفته‌ترین مدل اصلی گراک برای برنامه‌نویسی و کارهای تخصصی هست. این مدل می‌تونه توی نوشتن و بررسی کد، رفع خطا، تحلیل اطلاعات و انجام کارهای پیچیده‌ای که چندین مرحله دارن، کمک کنه.

طبق توضیح رسمی سازنده، 4.7 نسبت به 4.6 از مدل پایه بزرگ‌تری استفاده می‌کنه و در بررسی مجدد کار خودش، مدیریت اطلاعات طولانی و ادامه‌دادن وظایف دشوار بهتر شده.

کاربردهای اون:

• برنامه‌نویسی و توسعه پروژه‌های نرم‌افزاری
• تحلیل مسائل پیچیده و چندمرحله‌ای
• بررسی فایل‌ها و اطلاعات طولانی
• تحقیق و انجام کارهای تخصصی
• کمک به ساخت اسناد، ارائه‌ها و خروجی‌های کاری

این مدل در API، ابزار Grok Build و Cursor ارائه شده. البته نحوه استفاده، هزینه و محدودیت‌ها به سرویسی بستگی داره که از طریق اون به مدل دسترسی دارین.

این مدل با Grok 4.7 Fast چه تفاوتی داره؟

Grok 4.7 Fast مدل جداگانه‌ای با توانایی‌های متفاوت نیست؛ همون Grok 4.7 هست که روی زیرساخت سریع‌تری اجرا می‌شه. به همین دلیل، برای کسایی مناسبه که می‌خوان هنگام کار با پروژه‌ها، خروجی رو سریع‌تر دریافت کنن.

نسخه Fast فقط در Cursor و Grok Build ارائه می‌شه و در API عمومی xAI در دسترس نیست. سطح رایگان Grok Build هم شامل این نسخه نمی‌شه.

هزینه استفاده از Fast بیشتر از نسخه استاندارده. طبق تعرفه فعلی، نرخ توکن اون برای درخواست‌های معمولی ۲ برابر و برای درخواست‌هایی با ورودی بیشتر از ۲۰۰ هزار توکن، ۱٫۵ برابر نسخه استاندارد هست. نحوه محاسبه هزینه در هر سرویس رو هم باید جداگانه بررسی کنین.

۲. مدل Grok 4.6

Grok 4.6 نسل قبل از 4.7 هست و روی برنامه‌نویسی، انجام کارهای چندمرحله‌ای و ساخت پروژه‌های تعاملی تمرکز داره. این مدل می‌تونه توی کارهایی مثل بررسی یک پروژه کدنویسی، تحلیل اطلاعات، تحقیق درباره یک موضوع و تبدیل یک ایده به برنامه یا خروجی کاربردی کمک کنه.

برای مثال، می‌تونین ایده یک ابزار رو به اون بدین تا با کمک ابزارهای در دسترس، ساختار اولیه رو آماده کنه، بخش‌های مختلف رو بسازه و در چند مرحله نتیجه رو بررسی و اصلاح کنه.

تفاوت با Grok 4.7: نسخه 4.7 جدیدتره و طبق اعلام سازنده، در ادامه‌دادن کارهای دشوار، مدیریت اطلاعات طولانی و بررسی نتیجه بهتر عمل می‌کنه. بااین‌حال، این به معنی برتری قطعی اون در تک‌تک درخواست‌ها نیست و 4.6 همچنان برای پروژه‌های حرفه‌ای کاربرد داره.

۳. مدل Grok 4.5

Grok 4.5 یک مدل استدلالی برای برنامه‌نویسی، تحلیل و انجام کارهای فنی و تخصصی هست. این مدل می‌تونه قبل از پاسخ‌دادن روی مسئله پردازش بیشتری انجام بده و برای کارهایی مثل بررسی کد، حل مسئله، تحلیل اطلاعات و اجرای مراحل مختلف یک پروژه استفاده بشه.

تولید و بازنویسی متن هم از کاربردهای اون هست، اما تمرکز اصلی معرفی این مدل روی برنامه‌نویسی، مهندسی و کارهای تخصصی قرار داره.

تفاوت با 4.6 و 4.7: مدل 4.5 قدیمی‌تره. نسخه 4.6 با تمرکز بیشتری روی پروژه‌های طولانی و خروجی‌های تعاملی توسعه پیدا کرده و 4.7 هم در همین مسیر، برای مدیریت بهتر اطلاعات و بررسی دقیق‌تر نتیجه بهبود یافته.

۴. مدل Grok 4.3

Grok 4.3 مدلی سریع برای گفت‌وگو، اجرای دستورها و استفاده از ابزارها هست. این مدل برای پرسیدن سؤال، خلاصه‌سازی، تحلیل متن و بسیاری از کارهای روزمره یا حرفه‌ای کاربرد داره.

یکی از ویژگی‌های مهم اون اینه که در API می‌تونین میزان استدلال رو تنظیم کنین یا با گزینه none اون رو غیرفعال کنین. این تنظیم به شما اجازه می‌ده با توجه به سختی درخواست، بین سرعت پاسخ و میزان پردازش مدل انتخاب کنین.

قیمت پایه API این مدل هم از مدل‌های 4.5، 4.6 و 4.7 پایین‌تره؛ البته هزینه نهایی به حجم ورودی، خروجی، تنظیمات استدلال و ابزارهای استفاده‌شده بستگی داره.

برای چه کسایی مناسبه؟ کسایی که به پاسخ سریع و هزینه کمتر نیاز دارن و کارشون همیشه به پردازش و استدلال عمیق نیاز نداره.

۵. مدل Grok 4.20 Multi-Agent Beta

Grok 4.20 Multi-Agent Beta از همکاری چند عامل هوش مصنوعی برای انجام تحقیق‌های عمیق و بررسی چندجانبه موضوعات استفاده می‌کنه. در این روش، چند عامل به‌صورت موازی روی یک درخواست کار می‌کنن تا اطلاعات رو بررسی و پاسخ رو آماده کنن.

برای مثال، اگه یک موضوع تحقیقی چند بخش مختلف داشته باشه، عامل‌ها می‌تونن جنبه‌های متفاوت اون رو بررسی کنن و نتیجه بررسی‌ها در پاسخ نهایی استفاده بشه.

تفاوت با مدل‌های معمولی: تفاوت اصلی توی شیوه انجام کاره؛ این مدل از همکاری چند عامل استفاده می‌کنه. البته چندعاملی‌بودن به معنی بهتر بودن قطعی برای همه درخواست‌ها نیست. برای سؤال‌های ساده‌تر، یک مدل سریع‌تر ممکنه انتخاب مناسب‌تری باشه.

این مدل در مستندات رسمی با عنوان Beta یا آزمایشی معرفی شده؛ بنابراین بهتره این عبارت در نام اون حفظ بشه.

۶. مدل Grok Imagine Image 2.0

Grok Imagine Image 2.0 مدل تخصصی ساخت و ویرایش تصویر گراک هست. می‌تونین با نوشتن توضیح متنی، تصویر جدید بسازین یا تصویر موجود رو برای ویرایش به اون بدین.

کاربردهای اون:

• ساخت تصویر از توضیحات متنی
• تغییر پس‌زمینه و ویرایش بخش‌های تصویر
• ساخت تصاویر تبلیغاتی و محتوای شبکه‌های اجتماعی
• استفاده از چند تصویر مرجع برای هدایت ویرایش

در API این مدل، می‌تونین برای ویرایش از حداکثر ۵ تصویر مرجع استفاده کنین. البته امکاناتی که در سایت یا اپ می‌بینین، ممکنه با تنظیمات API یکسان نباشن.

تفاوت با Grok 4.7: مدل 4.7 می‌تونه متن و تصویر رو به‌عنوان ورودی بررسی کنه، اما خروجی خود مدل متنیه. Imagine Image 2.0 به‌طور اختصاصی برای تولید و ویرایش تصویر طراحی شده.

۷. مدل Grok Imagine Video 1.5

Grok Imagine Video 1.5 مدل ساخت ویدیوی گراک هست. این مدل می‌تونه بر اساس متن، یک تصویر یا چند تصویر مرجع ویدیو تولید کنه و از ساخت صدا و گفتار هماهنگ با حرکت لب هم پشتیبانی می‌کنه.

کاربردهای اون:

• تبدیل تصویر ثابت به ویدیو
• ساخت ویدیو از توضیحات متنی
• ساخت ویدیو با کمک تصاویر مرجع
• تولید ویدیو همراه با صدا و گفتار هماهنگ با حرکت لب

وضوح خروجی به روش تولید بستگی داره. نسخه اصلی در حالت‌های متن به ویدیو و تصویر به ویدیو، از 1080p اصلی پشتیبانی می‌کنه؛ اما در حالت تولید با تصاویر مرجع، حداکثر وضوح 720p هست.

نسخه Video 1.5 Lite چه تفاوتی داره؟

نسخه Grok Imagine Video 1.5 Lite برای تولید ویدیو با هزینه کمتر ارائه شده و از تبدیل متن و تصویر به ویدیو، همراه با گفتار هماهنگ با حرکت لب پشتیبانی می‌کنه.

تفاوت مهم اینه که نسخه Lite برای ارائه خروجی 1080p، تصویر 720p رو ارتقا می‌ده؛ درحالی‌که نسخه اصلی در حالت‌های متن به ویدیو و تصویر به ویدیو، خروجی 1080p رو به‌صورت اصلی تولید می‌کنه.

اگه به تولید ویدیو با تصاویر مرجع نیاز دارین، باید نسخه اصلی رو بررسی کنین؛ نسخه Lite این قابلیت رو نداره.

۸. مدل Grok Voice 3.0

Grok Voice 3.0 برای مکالمه صوتی زنده در API طراحی شده. این مدل صدای کاربر رو دریافت می‌کنه و پاسخ رو به‌صورت صوتی ارائه می‌ده؛ به همین دلیل برای ساخت دستیارهای صوتی و سرویس‌های گفت‌وگوی صوتی کاربرد داره.

برای مثال، توسعه‌دهنده‌ها می‌تونن از اون برای ساخت دستیاری استفاده کنن که کاربر باهاش صحبت کنه و پاسخ رو هم به‌صورت صوتی بشنوه.

حواستون باشه که معرفی این نسخه در API، لزوماً به معنی وجود گزینه‌ای با نام «Voice 3.0» برای انتخاب مستقیم در سایت یا اپ گراک نیست. روش دسترسی به قابلیت صوتی رو باید در همون محیطی که استفاده می‌کنین بررسی کنین.

تفاوت مدل‌های استدلالی و سریع چیه؟

توی گراک، بعضی اسم‌ها و تنظیمات نشون می‌دن مدل چقدر پردازش برای بررسی مسئله صرف می‌کنه یا با چه سرعتی خروجی رو ارائه می‌ده:

• استدلال بیشتر: برای برنامه‌نویسی پیچیده، تحلیل چندمرحله‌ای و مسائل دشوار کاربرد داره؛ اما معمولاً زمان و مصرف بیشتری می‌خواد و همیشه هم پاسخ بهتر رو تضمین نمی‌کنه.
• استدلال کمتر یا غیرفعال: برای درخواست‌های ساده و زمانی که سرعت اهمیت داره مناسبه. امکان غیرفعال‌کردن استدلال به مدل بستگی داره؛ برای مثال، Grok 4.3 در API گزینه none رو ارائه می‌ده.
• Fast: معنی اون در همه مدل‌ها یکسان نیست. برای نمونه، Grok 4.7 Fast همون مدل 4.7 روی زیرساخت سریع‌تره؛ بنابراین نباید اون رو با سطح استدلال پایین یکی دونست.

تنظیمات استدلالی که اینجا توضیح دادیم، مربوط به قابلیت‌های مستندشده در API هستن و ممکنه در سایت یا اپ، دقیقاً با همین گزینه‌ها در دسترس نباشن.

در نهایت، کدوم مدل Grok برای شما مناسب‌تره؟

انتخاب بهترین مدل گراک به کاری بستگی داره که می‌خواین انجام بدین. اگه برای برنامه‌نویسی، تحلیل اطلاعات و پروژه‌های پیچیده به هوش مصنوعی نیاز دارین، Grok 4.7 گزینه اصلی برای بررسیه و Grok 4.6 هم می‌تونه برای این کارها کاربرد داشته باشه.

اگه از API استفاده می‌کنین و سرعت و هزینه کمتر براتون مهم‌تره، Grok 4.3 رو بررسی کنین. برای تحقیق‌های عمیق و بررسی چندجانبه هم Grok 4.20 Multi-Agent Beta یکی از گزینه‌های این خانواده هست.

از طرف دیگه، اگه هدفتون ساخت تصویر، تولید ویدیو یا مکالمه صوتی هست، باید سراغ مدل‌های تخصصی Grok Imagine و Grok Voice برین.

جدیدترین مدل همیشه بهترین انتخاب برای همه کارها نیست. قبل از انتخاب، نوع استفاده، سرعت پاسخ‌دهی، هزینه، محدودیت‌ها و محل دسترسی به هر مدل رو در نظر بگیرین؛ مخصوصاً اگه قصد خرید اشتراک دارین، اول مطمئن بشین مدل یا قابلیت موردنظرتون در همون سرویس ارائه می‌شه.