SpaceXAI ra mắt Grok 4.6: Đối trọng mới thách thức GPT-5.6 Sol

Theo tin từ IT ngày 12 tháng 8, vào tối nay (ngày 12) theo giờ Bắc Kinh, Grok 4.6 đã chính thức được phát hành. Dựa trên nền tảng của Grok 4.5, mô hình mới này tăng cường khả năng thực hiện các tác vụ đại lý (agent) chạy trong thời gian dài, cũng như các công việc tương tác và xử lý hình ảnh phức tạp.

Theo thông tin công bố, Grok 4.6 có khả năng xử lý liên tục các tác vụ phức tạp bao gồm nhiều bước, từ nghiên cứu tài liệu, phân tích thông tin, xử lý các cơ sở mã nguồn (codebase) lớn, cho đến việc chuyển đổi ý tưởng sản phẩm thành ứng dụng hoàn chỉnh hoặc các thành phẩm công việc.

Về các bài kiểm tra đánh giá (benchmark), Grok 4.6 đạt trình độ tiên phong trong nhiều bài kiểm tra về lập trình đại lý và công việc tri thức. Trên bảng xếp hạng Artificial Analysis Intelligence Index tổng hợp từ 9 bài kiểm tra, Grok 4.6 đạt kết quả ngang bằng với GPT-5.6 Sol.

Theo tìm hiểu của IT, Grok 4.6 đã có mặt trên Cursor và Grok Build. Trong tuần đầu tiên, cả hai dịch vụ này sẽ cung cấp cho người dùng gấp đôi hạn mức sử dụng đi kèm.

Về khía cạnh huấn luyện, Grok 4.6 đã trải qua quá trình huấn luyện bổ sung dài hơn so với Grok 4.5. Dữ liệu huấn luyện bao gồm dữ liệu suy luận do mô hình tạo ra đã qua chọn lọc, dữ liệu về các khái niệm kỹ thuật nâng cao, cùng dữ liệu kỹ thuật chất lượng cao, kết hợp với bộ tối ưu hóa và phương án huấn luyện cải tiến, tạo nền tảng cho quá trình tinh chỉnh có giám sát (SFT) và học tăng cường (RL) sau này.

Đội ngũ huấn luyện sau đó đã sử dụng Grok 4.5 để tái tạo các quỹ đạo SFT, bao phủ các cường độ suy luận, khung vận hành đại lý khác nhau, cũng như các lĩnh vực như STEM, kỹ thuật phần mềm và công việc tri thức, đồng thời sử dụng phương pháp kiểm tra dựa trên mô hình để loại bỏ các quỹ đạo có vấn đề. Grok 4.6 cũng đã trải qua quá trình huấn luyện học tăng cường đại lý trên diện rộng, với các tác vụ bao phủ các lĩnh vực như công việc tri thức, lập trình tổng quát, tối ưu hóa nhân (kernel), phát triển Web và thiết kế hỗ trợ bằng máy tính (CAD).

Trong các bài kiểm tra dự án thực tế, Grok 4.6 tập trung thử nghiệm với các tác vụ quy trình dài và nhiều bước. Kết quả kiểm tra cho thấy mô hình mới rất giỏi trong việc chuyển đổi các ý tưởng sản phẩm rộng lớn thành phiên bản đầu tiên có thể chạy được, bao gồm nghiên cứu các lĩnh vực xa lạ, lập kế hoạch cấu trúc ứng dụng, thực hiện các tương tác cốt lõi và liên tục hoàn thiện kết quả dựa trên phản hồi qua nhiều vòng.

Trong các quy trình tác vụ dài hơn, Grok 4.6 còn thể hiện nhiều hành vi tự kiểm tra và xác thực hơn, tự kiểm tra công việc đã hoàn thành trước khi tiếp tục thực hiện tác vụ. Các thành phẩm ban đầu của các dự án hình ảnh và tương tác cũng được cải thiện so với Grok 4.5; khi đối mặt với các ý tưởng sản phẩm rõ ràng, mô hình có thể thiết lập cấu trúc cơ bản và ngôn ngữ hình ảnh của ứng dụng ngay trong một lần thực hiện.

Về khía cạnh an toàn, Grok 4.6 đã điều chỉnh cơ chế bảo mật dựa trên năng lực mô hình được mở rộng. Đợt đánh giá an toàn lần này bao gồm kiểm tra năng lực trước khi triển khai, hiệu chuẩn bảo mật, cũng như kiểm tra sau triển khai và kiểm tra từ bên thứ ba, với quy mô lớn nhất từ trước đến nay. Hệ thống an toàn hướng tới các kịch bản sử dụng hợp pháp như sửa lỗi lỗ hổng, thiết kế kỹ thuật và nghiên cứu AI, nhằm kiểm soát rủi ro an toàn trong khi vẫn nâng cao tính thực tiễn.

Ngoài Cursor và Grok Build, Grok 4.6 cũng đã được mở qua API và có mặt trên các nền tảng hợp tác như OpenRouter, Vercel và Cloudflare. Giá dịch vụ là 2 USD cho mỗi 1 triệu Token đầu vào (IT lưu ý: tỷ giá hiện tại khoảng 13,5 Nhân dân tệ) và 6 USD cho mỗi 1 triệu Token đầu ra (tỷ giá hiện tại khoảng 40,6 Nhân dân tệ); phiên bản tốc độ nhanh hơn có giá gấp đôi phiên bản thông thường. Trong tuần đầu tiên, người dùng Cursor và Grok Build có thể nhận được gấp đôi hạn mức sử dụng đi kèm.