Grok 4.6发布：该模型如何以半价匹配GPT-5.6水平

SpaceXAI推出了Grok 4.6，声称其性能达到最强模型水平，而成本仅为竞争对手的一半：输入每百万token收费2美元，输出每百万token收费6美元。该模型已可在Grok Build代理、Cursor、Grok Bot以及API中使用，并且在Cursor和Grok Build中首周使用限额翻倍。关键数据是独立分析平台Artificial Analysis的智能指数得分为61分，该指数综合了九个基准测试。这与GPT-5.6 Sol在最大推理模式下的得分持平，比Claude Fable 5 Max低1分，比一个月前的Grok 4.5高出5分。分析人士称，SpaceXAI已重返智能前沿，目前只有Anthropic领先。在详细基准测试中，Grok 4.6在面向办公知识工作的GDPVal-AA v2中领先，得分为1753，而Fable 5为1741，Sol为1728；在AA-Briefcase中，得分为1577，而Fable 5为1574，Sol为1502。在法律领域的Harvey LAB中，其得分为15.8%，而Fable 5为11.3%，Sol为2.5%。然而，它在Terminal-Bench v3.0上明显落后：得分为26%，而Sol为34.6%，Fable 5为34.1%；但在较旧的v2.1版本中，其得分为88.4%，仅次于Claude Opus 5。在一些编程基准测试中它也有所不如：在DeepSWE上，它落后于Sol（73%）和Fable 5（70%）；在FrontierCode和APEX-SWE上，它输给了Fable 5。最有趣的是实现这一性能持平的方式：据马斯克称，Grok 4.6基于与Grok 4.5相同的1.5万亿参数基础模型，因此模型规模并未增大。该公司没有进行扩展，而是在相同基础模型上又进行了一轮更长的训练，使用针对推理和工程主题精选的合成数据，并改进了优化器，然后重建了SFT和RL阶段。SFT轨迹由Grok 4.5自身重新生成，并通过模型检查过滤掉有问题的示例——实际上，前一个版本训练了后一个版本。在现归SpaceXAI所有的Cursor中，他们指出，Grok 4.6能根据想法描述在首轮草稿中构建应用的结构和视觉语言，并且在长轨迹中表现出明显更多的自我检查：在继续之前会测试自己的工作。训练中的RL任务包括从优化计算内核到Web开发和CAD。经济性延续自7月8日发布的Grok 4.5：同样的$2/$6定价，根据Artificial Analysis，这比Claude Opus 5（$5/$25）和GPT-5.6 Sol（$5/$30）低60%以上。该模型在智能指数任务上的成本为$0.84，与Kimi K3相同，但智能程度略高，使其正好处于智能与价格比的前沿。其标志性的token效率依然存在：在AA-Briefcase上，Grok 4.6完成一项长代理任务平均需要53轮和5亿输入token，而Claude Opus 5则需要103轮和20亿token。只有缓存命中价格有所上涨，从每百万token $0.3涨至$0.5。SpaceXAI发布节奏紧凑：Grok 4.5于7月8日推出，Grok 4.6于8月12日推出，而马斯克在8月的电话会议上估计，参数规模为2.1万亿的Grok 4.7将在三到四周内发布，即夏末之前。结合对Cursor的收购以及此前推出的Grok Bot代理，Grok正从一个梗转变为拥有自家开发环境、代理和模型流水线的产品线。