اخبار هوش مصنوعی ۱ شهریور؛ Grok Bot و Agentic Search

تازه‌ترین اخبار هوش مصنوعی در ۱ شهریور ۱۴۰۵

در ۲۴ ساعت منتهی به زمان نگارش، اطلاعیه رسمی و مهمی که به‌تنهایی ارزش یک گزارش جامع داشته باشد منتشر نشد؛ به همین دلیل، مطابق روال تحریریه GiftPin بازه ۲۰ تا ۲۱ اوت ۲۰۲۶ بررسی شد. نتیجه، سه تحول مرتبط اما متمایز است که تصویر روشن‌تری از مسیر صنعت هوش مصنوعی نشان می‌دهند: xAI دسترسی به Grok Bot را برای پلن‌های بیشتری باز کرده، مدل Grok 4.6 را به پلتفرم سازمانی گوگل رسانده و Mistral نیز Agentic Search را برای جست‌وجوی چندمرحله‌ای و قابل‌بررسی در اسناد پیچیده معرفی کرده است.

این خبرها در گزارش قبلی GiftPin درباره ChatGPT، Gemma و Adobe Firefly پوشش داده نشده‌اند. همه جزئیات این مقاله از صفحات رسمی شرکت‌ها استخراج شده و ادعاهای بنچمارکی نیز به نام همان شرکت منتشرکننده گزارش می‌شوند، نه به‌عنوان ارزیابی مستقل GiftPin.

جدول خلاصه تحولات

Grok Bot برای پلن‌های بیشتری فعال شد

شرکت xAI در اعلام رسمی گسترش Grok Bot گفت این سرویس اکنون علاوه بر SuperGrok Heavy و Cursor Ultra، برای SuperGrok Plus، Cursor Pro+ و پلن‌های Standard و Premium تیمی Cursor نیز در نظر گرفته شده است. Grok Bot ابتدا در ۱۱ اوت به‌صورت بتا معرفی شد و ایده اصلی آن، تبدیل عامل هوش مصنوعی از یک پنجره گفت‌وگو به همکاری است که رایانه ابری مستقل دارد و می‌تواند در ابزارها و وب‌سایت‌های مختلف کار کند.

این تغییر از آن جهت مهم است که دسترسی به عامل‌های خودکار دیگر فقط به گران‌ترین سطح سرویس محدود نمی‌ماند. بااین‌حال، نام پلن‌ها باید دقیق خوانده شود: Cursor Pro با Cursor Pro+ یکسان نیست و داشتن هر نوع اشتراک Grok یا Cursor به‌صورت خودکار به معنای دسترسی به Grok Bot نیست. فهرست رسمی xAI در زمان انتشار این مقاله شامل SuperGrok Plus، SuperGrok Heavy، Cursor Pro+، Cursor Ultra و Cursor Teams Standard و Premium است.

Grok Bot دقیقاً چه کاری انجام می‌دهد؟

طبق توضیح xAI، هر Bot یک رایانه در فضای ابری دارد و می‌تواند از مرورگر، ترمینال و برنامه‌هایی که کاربر اجازه داده استفاده کند. کاربر مأموریت را در یک رشته متنی تعریف می‌کند و Bot حتی پس از دورشدن کاربر از دستگاه به کار ادامه می‌دهد. چند Bot نیز می‌توانند هم‌زمان نقش‌هایی مانند پژوهشگر، نویسنده یا هماهنگ‌کننده را بر عهده بگیرند و نتیجه را برای تصمیم یا تأیید انسانی برگردانند.

xAI نمونه‌هایی مانند تحقیق و غنی‌سازی سرنخ‌های فروش، ساخت و انتشار وب‌سایت، مرتب‌کردن صندوق ایمیل، پیگیری بازپرداخت، آماده‌سازی دارایی‌های هنری بازی و انجام کارهای تکراری پشتیبانی را مطرح کرده است. این‌ها مثال‌های اعلام‌شده شرکت هستند و نباید آن‌ها را تضمین عملکرد در هر سرویس، زبان یا حساب دانست. کیفیت واقعی به سطح دسترسی، پیچیدگی گردش کار، محدودیت برنامه مقصد و کنترل‌هایی که کاربر تعیین می‌کند وابسته است.

تفاوت Grok Bot با چت‌بات معمولی

چت‌بات سنتی معمولاً پاسخ یا پیش‌نویس تولید می‌کند و اجرای مرحله بعد بر عهده کاربر می‌ماند. Grok Bot برای انجام زنجیره‌ای از اقدامات طراحی شده است: واردشدن به ابزار مجاز، یافتن اطلاعات، تکمیل مرحله‌های کار، استفاده از مرورگر یا ترمینال و بازگشت برای تصمیم‌های حساس. این تفاوت، بهره‌وری بیشتری ایجاد می‌کند اما سطح ریسک را نیز بالا می‌برد؛ زیرا عامل به‌جای پیشنهاد، ممکن است در یک سامانه واقعی اقدام کند.

برای همین، اتصال حساب اصلی ایمیل، فضای ابری یا پنل مالی بدون تعیین حداقل سطح دسترسی تصمیم خوبی نیست. بهتر است ابتدا یک حساب آزمایشی، پوشه محدود، مجوز فقط‌خواندنی و فرایند تأیید پیش از ارسال، حذف، خرید یا بازپرداخت تعریف شود. ورود دومرحله‌ای نیز باید فعال بماند و دسترسی‌های قدیمی پس از پایان آزمایش لغو شوند.

کاربرانی که می‌خواهند پلن‌های فعلی گراک را ببینند می‌توانند صفحه اشتراک گراک در GiftPin را بررسی کنند. محصول فعلی این صفحه اشتراک استاندارد SuperGrok است؛ آن را با SuperGrok Heavy یکسان ندانید و موجودی، امکانات و نام دقیق پلن را پیش از خرید بررسی کنید. برای آشنایی عمومی با تفاوت نسخه‌ها نیز راهنمای اشتراک Grok در دسترس است.

Grok 4.6 وارد پلتفرم سازمانی گوگل شد

خبر دوم همان روز، توزیع گسترده‌تر مدل xAI در زیرساخت ابری بود. براساس اطلاعیه رسمی Grok 4.6 در Google Enterprise Agent Platform، توسعه‌دهندگان می‌توانند این مدل را از طریق Model Garden انتخاب کنند. xAI این مدل را برای عامل‌های طولانی‌مدت و کارهای تعاملی و بصری معرفی کرده و پنجره زمینه ۵۰۰ هزار توکنی و چهار سطح تلاش استدلالی کم، متوسط، زیاد و بسیار زیاد را برای آن ذکر می‌کند.

قیمت اعلام‌شده در این پلتفرم برای هر یک میلیون توکن، ۲ دلار ورودی، ۰٫۵ دلار ورودی کش‌شده و ۶ دلار خروجی است. این ارقام مربوط به مصرف مدل در پلتفرم توسعه‌دهندگان است و با قیمت اشتراک مصرف‌کننده Grok تفاوت دارد. خرید SuperGrok به‌معنای دریافت اعتبار Google Cloud نیست و استفاده سازمانی از Model Garden نیز فرایند حساب، پرداخت و محدودیت‌های خودش را دارد.

چرا حضور یک مدل xAI در زیرساخت گوگل مهم است؟

سازمان‌ها معمولاً فقط براساس رتبه بنچمارک مدل انتخاب نمی‌کنند. محل استقرار، کنترل دسترسی، ثبت رخداد، مدیریت هزینه، اتصال به داده‌های داخلی و امکان مقایسه چند مدل در یک محیط اهمیت مشابهی دارد. قرارگرفتن Grok 4.6 در Model Garden باعث می‌شود تیمی که از قبل گردش کار خود را روی زیرساخت گوگل ساخته، بدون طراحی یک مسیر کاملاً جداگانه مدل xAI را نیز آزمایش کند.

این اتفاق همچنین ادامه روند «توزیع چندابری مدل‌ها» است. Grok 4.6 پیش‌تر در Amazon Bedrock و GitHub Copilot نیز عرضه شده بود و حضور در پلتفرم گوگل نشان می‌دهد رقابت فقط بین مدل‌ها نیست؛ شرکت‌ها می‌خواهند مدلشان در محیطی حاضر باشد که توسعه‌دهنده از قبل در آن کار می‌کند. برای مشتری سازمانی، دسترسی ساده‌تر و حق انتخاب بیشتر مزیت است، اما ارزیابی امنیت، نگهداری داده و هزینه نهایی همچنان ضروری خواهد بود.

Mistral از Agentic Search رونمایی کرد

سومین تحول، مستقیماً به یکی از ضعف‌های رایج سامانه‌های مبتنی بر RAG مربوط می‌شود. در جست‌وجوی یک‌مرحله‌ای، سامانه چند قطعه متن نزدیک به پرسش را بازیابی می‌کند و مدل باید با همان مجموعه محدود پاسخ بدهد. این روش برای پرسش ساده مفید است، اما وقتی پاسخ در یک پاورقی، جدول، بند قرارداد یا چند سند پراکنده باشد، بازیابی اولیه ممکن است کافی نباشد.

Mistral در معرفی رسمی Agentic Search یک حلقه چندمرحله‌ای پیشنهاد کرده است که مدل در آن می‌تواند نتیجه اولیه را بررسی کند، عبارت جست‌وجو را تغییر دهد، سند مناسب را باز کند، به صفحه یا بخش مشخص برود، متن همان نقطه را بخواند و در صورت نیاز دوباره جست‌وجو کند. این قابلیت از طریق Mistral Search Toolkit و Libraries در Studio و Vibe ارائه شده و امکان استقرار ابری یا درون‌سازمانی نیز برای آن مطرح شده است.

پنج ابزار اصلی Agentic Search

Mistral سازوکار جست‌وجو را با پنج عمل آشنا توضیح می‌دهد:

1. search برای پیداکردن اسناد مرتبط در نمایه موجود؛

2. open برای بازکردن یک سند مشخص؛

3. navigate برای رفتن به صفحه، بخش یا ناحیه مناسب؛

4. read برای استخراج محتوای همان محل؛

5. grep برای یافتن یک الگو در سند بازشده.

مزیت این طراحی آن است که مدل مجبور نیست از نخستین چند قطعه بازیابی‌شده پاسخ بسازد. اگر شواهد ناقص باشد، مسیر تازه‌ای امتحان می‌کند و پیش از نتیجه‌گیری به محل دقیق سند می‌رسد. برای گزارش مالی، قرارداد حقوقی، راهنمای فنی، پرونده پژوهشی و PDF اسکن‌شده‌ای که ساختار جدول دارد، چنین پیمایشی می‌تواند از یک جست‌وجوی معنایی ساده مؤثرتر باشد.

نتایج بنچمارک‌ها چه می‌گویند؟

طبق اندازه‌گیری خود Mistral، در FinanceBench دقت یکی از پیکربندی‌ها از ۲۶٫۷ درصد به ۸۶ درصد رسیده که شرکت آن را نزدیک به سه برابر بهبود توصیف می‌کند. در OfficeQA Pro نیز نتیجه اعلام‌شده برای یک پیکربندی از ۶٫۳ درصد به ۵۱٫۹ درصد افزایش یافته است. Mistral همچنین کاهش حداکثر ۳۹٫۶ درصدی تأخیر p90 و کاهش مصرف توکن تا حدود یک‌سوم را گزارش می‌کند.

این اعداد امیدوارکننده‌اند اما زمینه آزمایش اهمیت دارد. نتایج روی FinanceBench و OfficeQA Pro، با مجموعه اسناد و پیکربندی مشخص به دست آمده‌اند و موفقیت مشابه روی اسناد فارسی، فایل‌های اسکن‌شده کم‌کیفیت یا داده‌های سازمانی تضمین نشده است. هر تیم باید نمونه واقعی خودش را با معیارهایی مانند صحت استناد، نرخ پاسخ بی‌مدرک، هزینه هر پرسش، زمان پاسخ و کیفیت OCR آزمایش کند.

مقایسه سه تحول جدید

پیام مشترک هر سه خبر این است که ارزش هوش مصنوعی به‌تدریج از «کیفیت پاسخ در یک چت» به «توانایی انجام و راستی‌آزمایی کار» منتقل می‌شود. Grok Bot روی اجرا تمرکز دارد، حضور Grok 4.6 در پلتفرم گوگل دسترسی و استقرار را ساده‌تر می‌کند و Agentic Search تلاش می‌کند کیفیت شواهد ورودی به مدل را افزایش دهد.

اثر این تحولات برای کاربران و کسب‌وکارهای ایرانی

برای کاربر ایرانی، جذابیت عامل همیشه‌فعال روشن است: پیگیری درخواست‌ها، تهیه گزارش، مدیریت محتوای سایت، دسته‌بندی پیام‌ها و اجرای کارهای تکراری می‌تواند زمان زیادی آزاد کند. ولی دسترسی منطقه‌ای، شیوه پرداخت، نیاز به حساب واجد شرایط و پایداری اتصال باید پیش از خرید بررسی شود. نام مشابه پلن‌ها نیز ممکن است گمراه‌کننده باشد؛ برای نمونه Cursor Pro و Cursor Pro+ دو سطح متفاوت‌اند.

در کاربرد سازمانی، مسئله مهم‌تر حفاظت از اطلاعات است. سپردن ایمیل مشتری، فایل‌های مالی، کلیدهای API یا پنل مدیریت به یک عامل باید با اصل حداقل دسترسی انجام شود. حساب جداگانه، مجوز محدود، ثبت گزارش فعالیت، ممنوعیت حذف یا پرداخت بدون تأیید و برنامه لغو سریع دسترسی‌ها، حداقل کنترل‌های عملی هستند. حتی اگر عامل «همکار دیجیتال» نامیده شود، همچنان یک سامانه نرم‌افزاری است که ممکن است دستور را اشتباه تفسیر کند.

Agentic Search برای سازمان‌هایی که آرشیو قرارداد، فاکتور، دستورالعمل یا گزارش دارند جذاب است؛ به‌خصوص اگر پاسخ باید به صفحه و بند مشخص ارجاع دهد. بااین‌حال زبان فارسی، اعداد فارسی، جدول‌های راست‌به‌چپ و کیفیت اسکن می‌توانند نتیجه را تغییر دهند. یک آزمایش کوچک با ۵۰ تا ۱۰۰ پرسش واقعی و پاسخ مرجع، پیش از اتصال کل آرشیو، تصویر دقیق‌تری از ارزش تجاری سیستم می‌دهد.

پرسش‌های متداول

آیا Grok Bot برای همه کاربران Grok فعال شده است؟

خیر. طبق فهرست رسمی ۲۱ اوت، دسترسی برای SuperGrok Plus، SuperGrok Heavy، Cursor Pro+، Cursor Ultra و پلن‌های Standard و Premium تیمی Cursor اعلام شده است. وضعیت منطقه و حساب نیز ممکن است روی دسترسی اثر بگذارد.

آیا Cursor Pro به Grok Bot دسترسی دارد؟

اطلاعیه رسمی از Cursor Pro+ نام می‌برد، نه Cursor Pro. بنابراین نباید صرف شباهت نام، دسترسی Cursor Pro را قطعی فرض کرد.

آیا Grok Bot بدون حضور کاربر کار می‌کند؟

بر اساس توضیح xAI، Bot رایانه ابری خودش را دارد و می‌تواند پس از دورشدن کاربر نیز به کار ادامه دهد؛ اما اقدامات حساس بهتر است به تأیید انسانی وابسته بمانند.

آیا خرید SuperGrok همان دسترسی به Grok 4.6 در Google Cloud است؟

خیر. اشتراک مصرف‌کننده Grok با مصرف API در پلتفرم سازمانی گوگل دو سرویس جداگانه‌اند و حساب، قیمت‌گذاری و شرایط دسترسی متفاوت دارند.

Agentic Search چه تفاوتی با RAG معمولی دارد؟

RAG یک‌مرحله‌ای معمولاً چند قطعه را یک بار بازیابی می‌کند؛ Agentic Search می‌تواند جست‌وجو را تکرار کند، سند را باز کند، در آن پیمایش کند و شواهد را پیش از پاسخ بررسی کند.

آیا نتایج Mistral برای اسناد فارسی هم تضمین شده است؟

خیر. اعداد منتشرشده مربوط به بنچمارک‌های مشخص‌اند. اسناد فارسی باید جداگانه از نظر OCR، جدول، اعداد، استناد و پاسخ‌های بی‌مدرک ارزیابی شوند.

کدام خبر برای کاربر عادی مهم‌تر است؟

گسترش Grok Bot اثر مستقیم‌تری بر کاربران حرفه‌ای اشتراک‌ها دارد. دو خبر دیگر بیشتر برای توسعه‌دهندگان، تیم‌های داده و سازمان‌هایی مهم‌اند که مدل را در محصول یا آرشیو اسناد خود به کار می‌گیرند.

جمع‌بندی

خبرهای ۲۰ و ۲۱ اوت نشان می‌دهند مرحله بعدی رقابت هوش مصنوعی، تنها تولید پاسخ بهتر نیست. xAI عامل‌های همیشه‌فعال را به پلن‌های بیشتری رسانده و مدل پرچم‌دارش را در زیرساخت سازمانی گوگل توزیع کرده است؛ Mistral نیز با Agentic Search تلاش می‌کند مدل‌ها پیش از پاسخ، اسناد را واقعاً جست‌وجو، پیمایش و بررسی کنند.

برای کاربران ایرانی، فرصت اصلی در خودکارسازی کارهای زمان‌بر و دسترسی بهتر به اطلاعات سازمانی است؛ ریسک اصلی نیز به مجوزهای گسترده، تفاوت نام پلن‌ها، محدودیت منطقه‌ای و اعتماد بیش‌ازحد به خروجی مدل برمی‌گردد. انتخاب درست با یک آزمایش محدود، دسترسی حداقلی و سنجش نتیجه روی داده واقعی آغاز می‌شود، نه با سپردن همه حساب‌ها و اسناد به عامل از روز اول.