مقارنة Grok 4.5 و Claude Opus 4.8: أيهما الأفضل؟

عندما أطلقت xAI نموذج Grok 4.5 في 8 يوليو 2026، اختار إيلون ماسك المقارنة بنفسه: "نموذج من فئة Opus، ولكنه أسرع وأكثر كفاءة في استخدام التوكنات وأقل تكلفة." هذا ادعاء محدد وقابل للتحقق حول Claude Opus 4.8، نموذج Anthropic القوي للبرمجة.

جرّب Apidog اليوم

لذلك، أفضل طريقة للتعامل مع الادعاء ليست اختيار نموذج بناءً على العنوان، بل بناء اختبار صغير: قارن الدقة، زمن الاستجابة، وعدد توكنات الإخراج على مطالباتك الحقيقية. تستخدم هذه المقارنة الأرقام التي نشرتها xAI في إعلانها، والتسعير المعلن من Anthropic، والنقاط التي لا تظهر عادة في مواد التسويق. الخلاصة: الادعاء صحيح في الغالب، مع خسارتين في المعايير وتحفظ كبير حول التحقق المستقل.

بطاقة الأداء

نشرت xAI أربعة معايير برمجة. استخدمها كنقطة بداية فقط، لا كبديل عن اختبارك الداخلي:

المعيار	Grok 4.5	Opus 4.8 (حد أقصى)	الفائز
DeepSWE 1.0 (pass@1)	62.0%	55.75%	Grok 4.5 (+6.25)
DeepSWE 1.1	53%	59%	Opus 4.8 (+6)
Terminal Bench 2.1	83.3%	78.9%	Grok 4.5 (+4.4)
SWE Bench Pro (resolve)	64.7%	69.2%	Opus 4.8 (+4.5)

فوزان لكل نموذج. بناءً على رسوم xAI نفسها، وصف "فئة Opus" دقيق كفئة قدرة، لكنه لا يعني تفوقًا واضحًا لـ Grok 4.5. وهذا مهم عند اختيار نموذج للإنتاج: لا تبحث عن "الأفضل عمومًا"، بل عن الأفضل لعبء العمل الخاص بك.

تجدر الإشارة إلى أن Claude Fable 5 (الحد الأقصى) يتصدر جميع هذه الرسوم البيانية الأربعة (66.1 / 70 / 84.3 / 80.4)، ويتفوق GPT 5.5 (عالي الأداء) على كلا النموذجين في ثلاثة من الأربعة. يتنافس Grok 4.5 في الفئة الأدنى من الريادة، ضد النموذج الذي تسعره Anthropic للعمل اليومي بدلًا من القدرة القصوى. إذا كنت تريد مقارنة حدودية أعلى، فراجع Fable 5 مقابل Opus 4.8.

تحفظ مهم حول المصدر

هذه ليست نتائج اختبار مستقلة بالكامل. تشير xAI إلى أن أرقام المنافسين تأتي من "بطاقات النظام المنشورة للمطورين المعنيين أو لوحات صدارة المعايير"، مع تقييمات DeepSWE التي أنشأتها Datacurve وتشغيل تم باستخدام أدوات كل مزود.

هذا أفضل من الإبلاغ الذاتي غير الواضح، لكنه لا يزيل المشكلة: اختلاف الأدوات، إعدادات الاستدلال، ووضع الجهد يمكن أن يؤثر في النتائج. حتى الآن، لم يقم طرف ثالث مستقل تمامًا بتقييم Grok 4.5. يتتبع تعمقنا في المعايير هذا الوضع.

السعر: Grok يفوز على الورق، وقد يفوز أكثر في التطبيق

أسعار الملصقات لكل مليون توكن:

	Grok 4.5	Opus 4.8
الإدخال	$2.00	$5.00
الإخراج	$6.00	$25.00

هذا يعني أن Grok 4.5 يكلف 40% من سعر إدخال Opus و24% من سعر إخراجه. تفاصيل Anthropic الكاملة موجودة في تحليل تسعير Opus 4.8.

الفجوة تتسع إذا كان النموذج ينتج إجابات أقصر. تشير xAI إلى أن Grok 4.5 يحل مهام SWE Bench Pro بمتوسط 15,954 توكن إخراج، بينما يبلغ متوسط Opus 4.8 (الحد الأقصى) 67,020 توكن على نفس المعيار.

حساب تكلفة الإخراج لكل مهمة محلولة:

• Grok 4.5: 15,954 × $6 / 1,000,000 ≈ $0.10
• Opus 4.8 (الحد الأقصى): 67,020 × $25 / 1,000,000 ≈ $1.68

أي أن Grok 4.5 أرخص بنحو 17 مرة في الإخراج لكل مهمة مكتملة، وفقًا لأعداد التوكنات التي أبلغ عنها البائع.

تعامل مع هذا المضاعف بحذر. هو مبني على معيار واحد، وقياس بائع واحد، ووضع "الحد الأقصى" الذي يرفع عدد توكنات Opus. لكن الاتجاه واضح: نموذج موجز بسعر إخراج أقل يمكن أن يخفض التكلفة الفعلية أكثر مما توحي به قائمة الأسعار. نعرض سيناريوهات أكثر في شرح تسعير Grok 4.5.

في المقابل، يدفع Opus توكنات أكثر جزئيًا لأن وضع "الحد الأقصى" يستخدم استدلالًا أوسع. وهذا جزء من سبب فوزه في SWE Bench Pro بفارق 4.5 نقاط. أحيانًا تكون التوكنات الإضافية هي ما تشتريه فعلًا: تفكير أكثر، ومحاولة حل أعمق.

السرعة: 80 توكن/ثانية + إجابات أقصر

يعمل Grok 4.5 بسرعة تقارب 80 توكن في الثانية، وهو ما تسميه xAI "سرعات النماذج السريعة". عند دمج ذلك مع مخرجات أقصر، ينخفض زمن المهمة بطريقتين:

1. عدد توكنات أقل.
2. توليد أسرع لكل توكن.

هذا مهم في تطبيقات الوكلاء، حيث قد تمر المهمة الواحدة عبر عشرات استدعاءات النماذج: قراءة ملف، تعديل كود، تشغيل اختبار، إصلاح الخطأ، ثم إعادة التحقق.

لا تنشر Anthropic رقم TPS مكافئًا لـ Opus 4.8، وتختلف السرعات حسب الحمل، المنطقة، وخطة الاستخدام. لذلك، لا تعتمد على أرقام التسويق وحدها. قِس زمن الاستجابة على حركة المرور الخاصة بك.

مثال بسيط لما يجب تسجيله لكل طلب:

{
  "model": "grok-4.5",
  "latency_ms": 18420,
  "input_tokens": 3200,
  "output_tokens": 15954,
  "task_passed": true
}

كرّر نفس القياس مع Opus 4.8، ثم قارن:

• نسبة النجاح.
• متوسط زمن الاستجابة.
• متوسط output_tokens.
• التكلفة لكل مهمة ناجحة، لا لكل طلب فقط.

أين يحافظ Opus 4.8 على تفوقه

السعر ليس كل شيء. من الجدول السابق، تظهر ثلاث حالات يبقى فيها Opus 4.8 خيارًا منطقيًا:

• مهام البرمجة الوكيلية الأصعب: معيار SWE Bench Pro، الأقرب إلى العمل الفعلي على مستودعات معقدة، يذهب إلى Opus بفارق 4.5 نقاط. كذلك DeepSWE 1.1 يذهب إلى Opus بفارق 6 نقاط.
• نضج النظام البيئي: يندمج Opus 4.8 في Claude Code، وأنماط استخدام أدوات مستقرة، وسنة تقريبًا من التصلب في الإنتاج. Grok 4.5 جديد، وسطح تكامله يشمل Grok Build وCursor وواجهة برمجة تطبيقات جديدة. تكلفة الهجرة حقيقية حتى عندما تنخفض تكلفة التوكن.
• قابلية التنبؤ: سلوك Opus في السياقات الطويلة، وأنماط الرفض، وأنماط الفشل موثقة بشكل أفضل، بما في ذلك من قبلنا. أما Grok 4.5، فهو ما يزال في أسبوعه الأول.

كيف تختبر النموذجين عمليًا

بدلًا من الاعتماد على المعايير العامة فقط، ابنِ اختبار A/B صغيرًا:

1. اختر 5 إلى 10 مطالبات حقيقية من الإنتاج.
2. شغّل كل مطالبة على Grok 4.5 وOpus 4.8.
3. سجّل زمن الاستجابة واستخدام التوكنات.
4. قيّم المخرجات يدويًا أو عبر اختبارات تلقائية.
5. احسب التكلفة لكل نتيجة مقبولة، وليس التكلفة لكل مليون توكن فقط.

إذا كانت واجهتا API متوافقتين مع نمط OpenAI، يمكنك جعل التبديل بسيطًا عبر base_url واسم النموذج والمفتاح.

مثال هيكل اختبار باستخدام JavaScript:

const tests = [
  {
    name: "إصلاح فشل اختبار في مستودع",
    prompt: "حلل الخطأ التالي واقترح patch مختصرًا..."
  },
  {
    name: "تلخيص PR",
    prompt: "لخص التغييرات التالية مع المخاطر المحتملة..."
  }
];

const providers = [
  {
    name: "grok-4.5",
    baseUrl: process.env.GROK_BASE_URL,
    apiKey: process.env.GROK_API_KEY,
    model: "grok-4.5"
  },
  {
    name: "opus-4.8",
    baseUrl: process.env.OPUS_BASE_URL,
    apiKey: process.env.OPUS_API_KEY,
    model: "opus-4.8"
  }
];

async function runTest(provider, test) {
  const started = Date.now();

  const res = await fetch(`${provider.baseUrl}/chat/completions`, {
    method: "POST",
    headers: {
      "Authorization": `Bearer ${provider.apiKey}`,
      "Content-Type": "application/json"
    },
    body: JSON.stringify({
      model: provider.model,
      messages: [
        { role: "user", content: test.prompt }
      ]
    })
  });

  const data = await res.json();

  return {
    provider: provider.name,
    test: test.name,
    latency_ms: Date.now() - started,
    output: data.choices?.[0]?.message?.content,
    usage: data.usage
  };
}

for (const test of tests) {
  for (const provider of providers) {
    const result = await runTest(provider, test);
    console.log(JSON.stringify(result, null, 2));
  }
}

النقطة الأهم في النتائج هي usage.output_tokens. إذا لم تكن إجابات Grok على مطالباتك أقصر، فلن تحصل بالضرورة على نفس فرق التكلفة الفعلي المذكور أعلاه.

أيهما يجب أن تستخدم؟

اختر Grok 4.5 إذا كان عبء عملك يتضمن برمجة وكيلية عالية الحجم أو عملًا معرفيًا متكررًا، وكانت فاتورة API بندًا تراقبه، وكان التعادل 2-2 في المعايير مقبولًا مقابل تكلفة إخراج أقل. تسعير الإطلاق بالإضافة إلى النوافذ المجانية الحالية تجعل تجربته منخفضة التكلفة هذا الشهر.

ابق على Opus 4.8 إذا كنت متعمقًا في نظام Anthropic، أو تحتاج إلى أقوى النتائج المنشورة على المعايير الأصعب على مستوى المستودعات في هذه الفئة السعرية، أو لا يمكنك قبول مخاطر نموذج جديد في أسبوعه الأول في الإنتاج.

في كلتا الحالتين، اختبر بنفسك. في Apidog، احفظ طلبًا واحدًا لكل نموذج، ووجّه الطلبين إلى أصعب مطالباتك الحقيقية، ثم قارن جودة الإخراج، زمن الاستجابة، وكائن الاستخدام جنبًا إلى جنب. يمكنك تنزيل Apidog مجانًا وتشغيل المقارنة على حركة المرور الخاصة بك قبل نقل عبء العمل.

أدلة الإعداد لكلا الجانبين: كيفية استخدام واجهة برمجة تطبيقات Grok 4.5 وكيفية استخدام واجهة برمجة تطبيقات Claude Opus 4.8.

الأسئلة الشائعة

هل Grok 4.5 أفضل من Claude Opus 4.8؟

تقاسما المعايير المنشورة من xAI بنتيجة 2-2. Grok 4.5 أرخص وأكثر كفاءة في استخدام التوكنات، بينما يفوز Opus 4.8 في التقييمين الأصعب على مستوى المستودعات. "الأفضل" يعتمد على قيدك الأساسي: الميزانية أم القدرة القصوى.

ما مدى رخص Grok 4.5 مقارنة بـ Opus 4.8؟

2 دولار مقابل 5 دولارات لكل مليون توكن إدخال، و6 دولارات مقابل 25 دولارًا لكل مليون توكن إخراج. لكل مهمة برمجة محلولة، تشير أعداد التوكنات المبلغ عنها من البائع إلى فجوة فعالة أكبر من فرق السعر الاسمي.

هل توجد معايير مستقلة لـ Grok 4.5؟

ليس بعد. الأرقام المنشورة تمزج بين تشغيل xAI، وتقييمات Datacurve، وبطاقات أنظمة البائعين الآخرين. من المتوقع أن تظهر أرقام مستقلة بعد فترة من الإطلاق.

هل يمكنني اختبار كلا النموذجين بنفس الكود؟

في الغالب، نعم. كلاهما يقدم إكمال محادثة متوافقًا مع OpenAI، لذا فإن تبديل base_url والمفتاح ومعرف النموذج يغطي الأساسيات. لكن تفاصيل استدعاء الأدوات والإخراج المنظم قد تختلف؛ اختبر هذه المسارات صراحة قبل التبديل في الإنتاج.