Grok 4.6 发布：61 分追平 GPT-5.6 Sol，价格低六成

8 月 12 日，马斯克旗下的人工智能公司 SpaceXAI（原 xAI）正式发布新一代旗舰模型 Grok 4.6。官方口径与第三方评测共同指向一个结论：在 Artificial Analysis 综合智能指数上，Grok 4.6 以 61 分追平了 OpenAI 的 GPT-5.6 Sol，成为当前全球第一梯队成员；而它的 API 定价却只有头部竞品的四成左右。这是 xAI 更名 SpaceXAI 后推出的首个旗舰模型，主打「长时运行 Agent」与更激进的交互式、可视化任务。

61 分追平 GPT-5.6 Sol：第一梯队的新成员

Artificial Analysis Intelligence Index 是业内常用的综合基准，由九个评测的加权得分构成。根据官方公布与多家媒体报道的数据：Grok 4.6 得分 61，与 OpenAI GPT-5.6 Sol Max 持平，仅落后于 Anthropic 的 Claude Opus 5（63 分）和 Claude Fable 5 Max（62 分），相比上一代 Grok 4.5 High（56 分）跃升了 5 分。也就是说，综合能力上 Grok 4.6 已经挤进「只差一步就到顶」的行列。

长时 Agent：53 步任务与自我验证

Grok 4.6 最大的卖点是「long-running agents」——能在几十上百步的多阶段任务中保持状态、持续工作。在衡量真实知识工作的 GDPval-AA v2 基准上，Grok 4.6 以 Elo 1753 排名第二，仅次于 Claude Opus 5，且完成复杂任务平均只需约 53 步，而 Claude Opus 5 需要约 103 步。官方还观察到，在更长的轨迹上模型开始出现「自我测试与自我验证」行为：完成一段工作前先检查自己的输出。对开发者而言，这意味着把它交给「从想法到第一个可用版本」这类任务时，它更能自主推进而不是中途断链。

专项基准：代码能力大幅跃升，仍有差距

在细分评测上，Grok 4.6 的表现更值得玩味：软件工程基准 DeepSWE v1.1 得分 65.9%，较 Grok 4.5 的 54% 提升明显，但仍落后于 GPT-5.6 Sol Max 的 73%；终端代理基准 Terminal-Bench v3.0 从 15.7% 跃升至 26%，同样追不上约 34% 的头部水平。也就是说，Grok 4.6 的进步是全面且显著的，但在「硬核代码工程」这类纵深任务上，与 OpenAI 旗舰仍有约 7 个百分点差距——它的强项更多落在知识工作与长任务执行上。需要说明的是，以上多为官方自报数据，独立第三方复测尚未大规模出炉。

价格战：$2/$6 每百万 token，便宜 60% 以上

Grok 4.6 的 API 定价为每百万输入 token 2 美元、每百万输出 token 6 美元（另有 2 倍价格的 fast 快速变体）。对比 Claude Opus 5（$5/$25）和 GPT-5.6 Sol（$5/$30），综合成本低 60% 以上。这延续了 SpaceXAI 一贯的「以价换量」策略：在模型能力追平头部的前提下，用显著的价格差抢占开发者与企业的调用量。对于高频调用 API 的 Agent 应用开发者来说，这是一个实打实的成本变量。

从 xAI 到 SpaceXAI：更名背后的平台化野心

Grok 4.6 是首个从立项到发布全程以 SpaceXAI 名义出现的旗舰模型。过去一年，这家公司完成了整体重组，Grok 的定位也从「X 社交网络的内置 AI」转向「开发者与企业平台」：发布当天即上线 Cursor 代码编辑器、自家 Grok Build 工具、官方 API，并通过 OpenRouter、Vercel、Cloudflare 等渠道分发；首周还在 Grok Build 与 Cursor 内提供双倍用量额度以吸引开发者上手。训练层面，Grok 4.6 采用了更长的补充训练、由 Grok 4.5 重新生成的 SFT 轨迹，以及覆盖内核优化、Web 开发、计算机辅助设计等领域的 Agent 强化学习任务。

💡

Grok 4.6 的意义不只是「又一个新模型」：当开源与闭源、性能与价格的边界都在松动时，SpaceXAI 选择用「追平性能 + 六成价差 + 长任务 Agent 定位」的组合拳切入开发者市场。对于正在挑选大模型 API 的团队，这可能是今年最值得认真做一次基准对比的候选之一。