SpaceXAI’dan uzun süreli ajan görevlerine odaklanan yeni model: Grok 4.6
Elon Musk’ın SpaceXAI şirketi, yeni Grok 4.6 modelini tanıttı. Bu model, Grok 4.5’in yayınlanmasından yaklaşık bir ay sonra piyasaya sürüldü ve uzun süreli yapay zeka ajanları, kodlama, bilgi işleri ve görsel uygulama geliştirme alanlarına odaklanıyor. Sunucuya göre Grok 4.6, araştırma yapma, farklı kaynaklardaki bilgileri analiz etme, büyük kod tabanları üzerinde çalışma ve bir fikri işlevsel bir uygulamaya dönüştürme gibi çok adımlı görevleri sürdürebiliyor. Model, uzun süren görevlerde bağlamını koruyabildiği kadar, tamamlamadan önce kendi çıktısını test edip doğrulama eğiliminde.
Grok 4.6’nın geliştirilmesi esnasında, önceki sürüme kıyasla daha uzun bir ek eğitim süreci yürütülmüş. Bu süreçte muhakeme ve ileri teknik kavramlara yönelik seçilmiş veriler kullanıldı; yüksek kaliteli mühendislik verileri de eğitim setine dahil edildi. Modelin optimizasyon yöntemi ve eğitim yaklaşımı güncellenerek, Grok 4.5’in denetimli ince ayar verileri yeniden oluşturuldu. Sorunlu eğitim örnekleri model tabanlı kontrollerden geçirilerek veri setinden çıkarıldı. Pekiştirmeli öğrenme aşamasında, genel kodlama ve bilgi işlerinin yanı sıra çekirdek optimizasyonu, web geliştirme ve bilgisayar destekli tasarım gibi alanlara özel ajan görevleri eklendi.
Testlerde Grok 4.6, Artificial Analysis Intelligence Index’te 61 puan alarak, Grok 4.5’in 56 puanına göre önemli bir artış gösterdi. Aynı testte OpenAI’ın GPT‑5.6 Sol Max modeliyle aynı puana ulaştı, Anthropic’in Fable 5 Max modeli ise bir puan geride kaldı. AA‑Briefcase testinde 1577 puan alırken, Fable 5 Max’in 1574 ve GPT‑5.6 Sol Max’in 1502 puanını geride bıraktı. GDPVal‑AA v2’de 1753 puanla rakipleri geride bıraktı. CursorBench v3.2’de %69.9, DeepSWE v1.1’de ise %65.9 başarı oranı elde edildi; Fable 5 Max’in gerisinde kaldı.
Model, Cursor ve SpaceXAI’ın kodlama aracı Grok Build üzerinden kullanılabiliyor. API fiyatlandırması ise bir milyon girdi tokenı için 2 dolar, bir milyon çıkış tokenı için 6 dolardan başlıyor. İki kat daha hızlı çalışan sürümü ise standart fiyatın iki katı üzerinden ücretlendiriliyor. Lansmanın ilk haftasında, Cursor ve Grok Build kullanıcılarına iki kat dahil kullanım hakkı sunuluyor.
SpaceXAI, Grok 4.6’nın yetenekleriyle birlikte güvenlik önlemlerini de güncelledi. Şirketin açıklamasına göre model, şimdiye kadarki en kapsamlı dağıtım öncesi yetenek ve güvenlik testlerinden geçirildi; dağıtım sonrasında ve üçüncü taraflarla birlikte ek testler de yürütülecek.
Kaynak: Orijinal Haber
