Cursor از Grok 4.6 رونمایی کرده؛ نسل جدید مدلی که تمرکز اصلی آن فقط تولید سریع تر کد نیست، بلکه انجام کارهای پیچیده ای است که ممکن است به تعداد زیادی مرحله، استفاده از ابزارهای مختلف و بررسی مداوم نتیجه نیاز داشته باشند.

Grok 4.6 بر پایه Grok 4.5 توسعه پیدا کرده، اما Cursor در این نسخه تمرکز بیشتری روی Long-running Agentها و ساخت پروژه های تعاملی و Visual گذاشته است.

اما این تغییر دقیقاً چه معنایی برای توسعه دهندگان دارد؟

Grok 4.6 چیست؟

Grok 4.6 مدل جدیدی است که Cursor با همکاری SpaceXAI منتشر کرده و برای انجام وظایف Agentic طراحی شده است.

در یک Coding Agent، مدل فقط قرار نیست یک قطعه کد تولید کند.

ممکن است لازم باشد:

ساختار یک Codebase را بررسی کند.
فایل های مختلف را پیدا کند.
درباره معماری پروژه تصمیم بگیرد.
چندین فایل را تغییر دهد.
Command اجرا کند.
نتیجه را تست کند.
خطا را پیدا کند.
دوباره کد را اصلاح کند.
و این چرخه را چندین بار ادامه دهد.

هرچه وظیفه بزرگ تر شود، توانایی مدل برای حفظ مسیر و ادامه دادن کار اهمیت بیشتری پیدا می کند.

Grok 4.6 مشخصاً برای چنین سناریوهایی توسعه داده شده است.

تمرکز روی Long-running Agentها

یکی از مهم ترین تغییرات Grok 4.6 نسبت به Grok 4.5، تمرکز بیشتر روی وظایف طولانی است.

بسیاری از مدل ها در یک Prompt یا تغییر کوچک عملکرد خوبی دارند، اما وقتی یک وظیفه به ده ها مرحله تبدیل می شود، مشکلات دیگری ظاهر می شوند.

مدل ممکن است هدف اولیه را فراموش کند، تغییرات قبلی خودش را نادیده بگیرد، وارد مسیر اشتباهی شود یا بدون بررسی نتیجه تصور کند کار تمام شده است.

Cursor می گوید Grok 4.6 برای باقی ماندن روی چنین وظایف پیچیده ای در تعداد زیادی مرحله آموزش دیده است.

این موضوع برای ابزارهایی مثل Cursor اهمیت زیادی دارد؛ چون Coding Agentهای جدید به تدریج از «تولیدکننده کد» به Agentهایی تبدیل شده اند که می توانند بخش بزرگی از یک Task توسعه نرم افزار را انجام دهند.

فقط Coding مطرح نیست

یکی دیگر از نکات جالب Grok 4.6 این است که آموزش آن فقط روی Software Engineering متمرکز نبوده است.

در فرایند Reinforcement Learning مدل، محیط ها و وظایف مختلفی استفاده شده اند؛ از جمله:

General Coding
Web Development
Kernel Optimization
Computer-Aided Design
Knowledge Work

هدف این است که مدل بتواند برای حل یک مسئله از چند نوع توانایی مختلف استفاده کند.

مثلاً برای ساخت یک Application ممکن است ابتدا درباره یک Domain تحقیق کند، سپس معماری برنامه را مشخص کند، Interface را بسازد و در نهایت نتیجه را آزمایش و اصلاح کند.

تبدیل یک ایده به یک پروژه واقعی

Cursor یکی از نقاط قوت Grok 4.6 را تبدیل ایده های نسبتاً کلی به نسخه اولیه یک محصول می داند.

یعنی به جای اینکه توسعه دهنده تمام جزئیات Implementation را مرحله به مرحله مشخص کند، می تواند یک Product Idea نسبتاً کامل به Agent بدهد.

مدل می تواند درباره Domain تحقیق کند، ساختار Application را مشخص کند، Interactionهای اصلی را پیاده سازی کند و سپس نتیجه را در چند مرحله بهبود دهد.

این دقیقاً همان مسیری است که Coding Agentها در حال حرکت به سمت آن هستند.

هدف دیگر فقط این نیست که بگوییم:

«این Function را برای من بنویس.»

بلکه Task می تواند چیزی شبیه این باشد:

«این Feature را به پروژه اضافه کن، ساختار موجود را بررسی کن، Implementation مناسب را انتخاب کن، تست ها را اجرا کن و مشکلات را برطرف کن.»

Self-testing بیشتر

یکی از نکات جالبی که Cursor در آزمایش های Grok 4.6 مشاهده کرده، افزایش رفتارهای Self-testing و Verification در Taskهای طولانی است.

یعنی مدل در بعضی مسیرها قبل از ادامه دادن، نتیجه کار خودش را بررسی می کند.

این ویژگی برای Coding Agentها بسیار مهم است.

تولید کدی که در نگاه اول درست به نظر برسد کار سختی نیست؛ مسئله اصلی این است که Agent بتواند تشخیص دهد چیزی که ساخته واقعاً کار می کند یا نه.

اجرای Testها، بررسی خروجی Commandها و اصلاح Implementation براساس نتیجه می تواند میزان دخالت انسان در Taskهای بزرگ تر را کاهش دهد.

عملکرد بهتر در پروژه های Visual و Interactive

Grok 4.6 فقط روی Reasoning و Backend Coding تمرکز ندارد.

Cursor گزارش کرده که این مدل در اولین تلاش برای ساخت پروژه های Visual و Interactive نسبت به Grok 4.5 عملکرد بهتری نشان داده است.

وقتی یک Product Idea مشخص در اختیار مدل قرار می گیرد، Grok 4.6 می تواند Structure و Visual Language اولیه Application را ایجاد کند و سپس آن را در چرخه های بعدی بهبود دهد.

برای Front-end Developerها و Product Designerهایی که از AI برای Prototype یا ساخت نسخه اولیه محصول استفاده می کنند، این بخش احتمالاً یکی از جذاب ترین تغییرات Grok 4.6 خواهد بود.

Grok 4.6 چگونه آموزش داده شده است؟

طبق اطلاعات منتشرشده توسط Cursor، Grok 4.6 نسبت به Grok 4.5 یک Supplemental Training Run طولانی تر داشته است.

در این مرحله از ترکیبی از داده های تولیدشده توسط مدل برای Reasoning و مفاهیم فنی پیشرفته، داده های مهندسی باکیفیت و Training Recipe بهبود یافته استفاده شده است.

سپس از Grok 4.5 برای بازتولید SFT Trajectoryها در حوزه هایی مثل Reasoning، Software Engineering، STEM و Knowledge Work استفاده شده است.

بعد از آن نیز مدل روی مجموعه ای از Agentic RL Taskها آموزش دیده است.

این فرایند نشان می دهد تمرکز اصلی فقط افزایش دانش مدل نبوده، بلکه نحوه رفتار مدل هنگام انجام یک Task چندمرحله ای نیز بخش مهمی از آموزش بوده است.

Benchmarkها چه می گویند؟

Cursor اعلام کرده Grok 4.6 در چند Benchmark مربوط به Agentic Coding و Knowledge Work به سطح مدل های Frontier رسیده است.

یکی از نتایج قابل توجه، Artificial Analysis Intelligence Index است.

این Index از ترکیب چند Benchmark مختلف ساخته شده و طبق نتایج منتشرشده، Grok 4.6 در آن با GPT-5.6 Sol برابری می کند.

البته Benchmarkها به تنهایی مشخص نمی کنند یک مدل در پروژه واقعی چقدر مناسب است.

برای Coding Agentها عواملی مثل توانایی استفاده از Toolها، حفظ Context، اصلاح اشتباهات، هزینه، سرعت و کیفیت عملکرد در Taskهای طولانی می توانند به اندازه امتیاز Benchmark اهمیت داشته باشند.

Grok 4.6 کجا در دسترس است؟

Grok 4.6 از زمان معرفی در Cursor و Grok Build در دسترس قرار گرفته است.

همچنین امکان استفاده از مدل از طریق SpaceXAI API و سرویس هایی مانند OpenRouter، Vercel و Cloudflare وجود دارد.

قیمت پایه اعلام شده برای API برابر است با:

۲ دلار به ازای هر یک میلیون Input Token
۶ دلار به ازای هر یک میلیون Output Token

نسخه Fast نیز با دو برابر این قیمت ارائه می شود.

Cursor همچنین برای هفته اول عرضه، میزان Included Usage این مدل را در Cursor و Grok Build دو برابر کرده است.

آیا Grok 4.6 واقعاً برای برنامه نویسی بهتر است؟

پاسخ این سؤال را نمی توان فقط از Benchmarkها استخراج کرد.

چیزی که Grok 4.6 را جالب می کند، جهت توسعه آن است.

رقابت مدل های Coding دیگر فقط بر سر این نیست که کدام مدل یک Function را بهتر تولید می کند.

رقابت به سمت مسئله بزرگ تری حرکت کرده است:

کدام Agent می تواند یک Task واقعی را با دخالت کمتر توسعه دهنده از ابتدا تا انتها انجام دهد؟

در چنین شرایطی توانایی هایی مثل Planning، Tool Use، حفظ مسیر در Taskهای طولانی، Self-testing و اصلاح اشتباهات اهمیت بسیار بیشتری پیدا می کنند.

Grok 4.6 دقیقاً روی همین بخش از مسئله تمرکز کرده است.

در نهایت اما چیزی که اهمیت دارد عملکرد مدل روی پروژه های واقعی است؛ جایی که Codebase بزرگ است، Requirementها همیشه کامل نیستند و یک تغییر ساده ممکن است روی چندین بخش سیستم اثر بگذارد.

آنجاست که مشخص می شود Grok 4.6 فقط Benchmarkهای خوبی دارد یا واقعاً می تواند به یکی از مدل های جدی برای Agentic Development تبدیل شود.

Grok 4.6 چیست؟ مدل جدید Cursor برای Agentهای طولانی‌مدت و توسعه نرم‌افزار

علی صفری

نظرات