يركز Grok 4.6 على المهام الوكيلة الطويلة: يتلقى هدفاً كبيراً ويفهم مشروعاً غير مألوف ويدرس الكود ويقترح العمارة ويعدل ويفحص نفسه ويواصل بتكرارات متعددة، بدلاً من كتابة دالة أو إجابة فقط. وتؤكد Cursor تحسنه في المسارات الطويلة والنماذج الأولية والمشاريع البصرية التفاعلية.
لذلك يهمني أكثر بوصفه وكيلاً جديداً للعمل داخل Cursor.
ما الذي تظهره الاختبارات؟
أكثر أجزاء الإصدار إثارة جدول Cursor المقارن، الذي يضع Grok 4.6 High بجوار Grok 4.5 High وGPT-5.6 Sol Max وFable 5 Max.
| الاختبار | Grok 4.6 High | Grok 4.5 High | GPT-5.6 Sol Max | Fable 5 Max |
|---|---|---|---|---|
| AA Intelligence Index | 61 | 56 | 61 | 62 |
| GDPVal-AA v2 | 1753 | 1526 | 1728 | 1741 |
| CursorBench v3.2 | 69.9% | 66.7% | 67.2% | 70.5% |
| DeepSWE v1.1 | 65.9% | 54% | 73% | 70% |
| FrontierCode v1.1 Extended | 61.3% | 56.6% | 60.6% | 64.9% |
| APEX-Agents | 57.5% | 47.1% | 56.7% | 59.2% |
| Terminal-Bench v3.0 | 26% | 15.7% | 34.6% | 34.1% |
| APEX-SWE | 56.4% | 53.6% | — | 58.8% |
| AA-Briefcase | 1577 | 1313 | 1502 | 1574 |
| Harvey LAB (Vals) | 15.8% | 12.9% | 2.5% | 11.3% |
في المؤشر العام Artificial Analysis Intelligence Index حصل Grok 4.6 على 61 نقطة، مثل GPT-5.6 Sol Max، وأقل بنقطة واحدة من Fable 5 Max الذي سجل 62. كان Grok 4.5 عند 56، وتشير Artificial Analysis إلى قفزة خمس نقاط خلال جيل واحد.
لكن أنواع العمل المحددة أهم من مؤشر إجمالي واحد.
GDPVal-AA v2 — 1753. يتفوق هنا على Fable 5 Max بـ1741 وGPT-5.6 Sol Max بـ1728. يقيس الاختبار عملاً وكيلاً قريباً من المهام الفكرية الحقيقية، ولذلك يهمني خصوصاً. وتعد Artificial Analysis الأداء الوكيل من أقوى جوانب Grok 4.6.
في CursorBench v3.2 تسجل نسخة Grok 4.6 High 69,9% مقابل 66.7% لـGrok 4.5 و67.2% لـGPT-5.6 Sol Max و70.5% لـFable 5 Max. يكاد الفارق مع Fable يختفي. ويعرض CursorBench الحالي نتيجة أعلى لوضع Grok 4.6 Extra High: 70,8%، فيضعه فوق Fable 5 Max وOpus 5 Max في الاختبار. يعتمد CursorBench على مهام غامضة متعددة الملفات من جلسات حقيقية: تعديل وإعادة هيكلة وتصحيح وفهم الكود واستخدام الأدوات.
تتصدر نماذج أخرى بعض الاختبارات، مثلاً في DeepSWE v1.1 يحصل Grok 4.6 على 65.9%، وGPT-5.6 Sol Max على 73%، وFable 5 Max على 70%. وفي Terminal-Bench v3.0 يسجل Grok 26% مقابل 34.6% لـGPT-5.6 و34.1% لـFable.
وفي فئات أخرى يعود قريباً جداً من الصدارة: 61.3% في FrontierCode, 57.5% في APEX-Agents, 56.4% في APEX-SWE.
وهناك نتيجة معبرة أخرى: AA-Briefcase: 1577. يسجل Fable 5 Max هنا 1574، وGPT-5.6 Sol Max 1502، بينما كان Grok 4.5 عند 1313. وتصنفه Artificial Analysis في هذا الاختبار ضمن مستوى Fable 5 وتشير إلى كفاءته في المهام الوكيلة الطويلة، إذ يصل للنتيجة بخطوات وتوكنات إدخال أقل بكثير من بعض نماذج الطليعة الأغلى.
حتى في الاختبار المتخصص Harvey LABالمتعلق بالعمل القانوني الوكيل، تعرض Cursor نتيجة Grok 4.6 عند 15,8% ، فوق Fable 5 Max بـ11.3% وGrok 4.5 بـ12.9% وGPT-5.6 Sol Max بـ2.5%.
لذلك لا أحاول تحديد فائز مطلق واحد؛ الصورة أكثر إثارة: دخل Grok 4.6 مجموعة صغيرة جداً تتبادل نماذجها قمة الجدول فعلياً بحسب المهمة.
والآن الأهم: السعر
بقي سعر Grok 4.6 الأساسي كسعر Grok 4.5: دولاران لكل مليون توكن إدخال و6 دولارات لكل مليون توكن إخراج. وتعرض Cursor نسخة Fast بضعف السعر. وتؤكد Artificial Analysis أنه أرخص بكثير من بعض المنافسين عند أداء من الطليعة قابل للمقارنة.
وفي أسبوع الإطلاق الأول، أتاحت Cursor لـGrok 4.6 استخداماً مضاعفاً 2× داخل Cursor وGrok Build. للمستخدم النشط يعادل ذلك تقريباً خفض تكلفة النموذج 50%، إذ ينجز نحو ضعف المهام بحصة الاستخدام نفسها.
هنا تصبح الصورة مثيرة خصوصاً.
نموذج بمستوى Fable 5 تقريباً يمكن تكليفه بمشاريعك مباشرة، ومع استخدام مضاعف الآن.
ما الذي حدث عندي بعد الإطلاق؟
أستخدم Grok 4.6 داخل Cursor مباشرة، لذلك كلفته بمستودعاتي ومشاريعي الحالية فور وصول رسالة الإصدار تقريباً.
ليس على تجربة Hello World، بل على كود قائم: فهم البنية وكشف الضعف والتدقيق واقتراح إعادة الهيكلة ونظرة العمارة الشاملة.
وأعجبتني النتائج الأولى جداً.
يعمل وضع التدقيق جيداً خصوصاً. لا يكتفي بملاحظات واضحة قليلة، بل يراجع المشروع منهجياً. وبعد دراسة المستودع ينشئ Audit Canvas ، خريطة للمشكلات والتحسينات، وفيها فوائد غير متوقعة: تبسيط عمارة وتكرار منطق وحلول قديمة قابلة للحذف وفرص إعادة هيكلة ومشكلات مكونات وأماكن قد لا تلاحظها أشهراً.
أحب أسلوبه تحديداً: يفهم المشروع القائم بعمق قبل اقتراح التغييرات. وهذا للمستودعات الكبيرة الحية أهم من توليد كود جميل من الصفر.
أواصل اختباره على مشاريعي لكشف حدوده الحقيقية. انطباعي حتى الآن ممتاز: يبدو Grok 4.6 في Cursor مهندساً قوياً آخر تستطيع إسناد اتجاه عمل كامل إليه، أكثر من مساعد يحتاج مهام صغيرة.
هذا أسرع تحول في تطوير الذكاء الاصطناعي: نتحدث أقل عن أفضل إجابة وأكثر عن أي جزء من العمل الحقيقي يمكن تسليمه كاملاً لوكيل، ثم رؤية إنجازه صباحاً.
@nevsky_alexander
على Instagram، دبي بعيدًا عن صور البطاقات البريدية: العائلة والمدينة والاكتشافات والحياة بين المشاريع. وعلى Threads، أفكار بصوت عالٍ عن التصميم والذكاء الاصطناعي. أما YouTube فللفيديوهات التي تحتاج مساحة أكبر من الستوري. تابعوني حيث يناسبكم، ولنبقَ على تواصل