SpaceXAI新“杀器”：Grok 4.6智能体测试力压GPT-5.6、Fable 5

来源：市场资讯

（来源：网易科技）

美东时间8月12日周三，马斯克旗下SpaceXAI正式发布新一代大模型Grok 4.6。SpaceXAI称，新模型相比Grok 4.5实现显著提升，重点强化长时间运行的智能体（Agent）、复杂编程、知识工作以及交互式和视觉任务能力。

此次发布最受关注的并非单纯的模型迭代，而是Grok 4.6在SpaceXAI公布的多项前沿模型测试中已经跻身第一梯队，同时API起售价仅为2美元/百万输入Token、6美元/百万输出Token。SpaceXAI称，其定价约为其他前沿模型的一半；该模型上线首周在Cursor和Grok Build中还提供2倍包含用量。

SpaceXAI公布的测试数据显示，Grok 4.6在Artificial Analysis Intelligence Index中取得61分，与OpenAI前沿模型GPT-5.6 Sol Max持平；在GDPVal-AA v2中则取得1753 Elo，超过GPT-5.6 Sol Max的1728分和Anthropic前沿模型Claude Fable 5的1741分。

马斯克随后在社交媒体转发有关Grok 4.6是巨大升级、在所有基准测试中得分均超过Grok 4.5 High的帖子，强调Grok 4.6评分达到1753 Elo，并自夸新模型太牛了。

从知识工作到编程，Grok 4.6全面强化复杂任务能力

Grok 4.6此次升级的核心，不再只是回答问题，而是让模型能够持续完成需要多步骤执行的复杂任务。

SpaceXAI表示，Grok 4.6重点针对长时间运行的智能体进行训练，可以连续完成研究主题、分析信息、处理代码库，以及把一个模糊的产品想法转化为可运行的应用或工作成果。公司还称，新模型在更长的任务轨迹中开始表现出更多自主测试和验证能力，会在继续执行之前检查此前的工作。

在训练方面，Grok 4.6经历了比Grok 4.5更长的补充训练，加入经过筛选的模型生成推理数据、高质量工程数据，并改进优化器和训练方案。随后，SpaceXAI利用Grok 4.5生成覆盖不同推理强度、智能体框架以及STEM、软件工程和知识工作的SFT轨迹，并进一步通过强化学习训练模型完成通用编程、知识工作、内核优化、网页开发和计算机辅助设计等任务。

SpaceXAI特别强调，Grok 4.6在把“想法”变成“产品”方面有所提升。对于一个具体的产品构想，模型可以先研究陌生领域、设计应用结构、实现核心交互，再根据反馈进行多轮迭代；在视觉和交互式项目中，新模型也能够更快形成较为完整的第一版成果。

低价策略直指开发者市场，首周Cursor等产品加倍放量

相比模型能力本身，Grok 4.6的定价策略可能更加值得AI产业链关注。

SpaceXAI公布的API价格从每百万输入Token 2美元、每百万输出Token 6美元起，另有速度更快、价格翻倍的版本。公司同时宣布，Grok 4.6已经接入Cursor、Grok Build，并通过OpenRouter、Vercel和Cloudflare等合作伙伴提供。

作为对比，SpaceXAI在公告中将Grok 4.6定位为“其他前沿模型的一半价格”。而投资机构Atreides Management首席投资官Gavin Baker的评价更为激进：他认为，Grok 4.6的性能大致相当于Fable 5 Max，但输入Token价格低80%、输出Token价格低88%，因此在性能与成本的组合上具有明显优势。

科技业分析师、Superintelligence Newsletter主编Kim Monnis也指出，Grok 4.6不仅比Opus 5和GPT-5.6 Sol便宜，甚至低于Sonnet 5，同时性能至少处于顶级模型水平。在他看来，这种“前沿性能+低成本”的组合才是Grok真正的护城河。

需要指出的是，API单价并不能完全等同于实际使用成本。不同模型的Token消耗、推理强度和任务完成路径存在差异，因此“便宜一半”主要是对公布API价格的比较，而不是意味着所有具体任务的最终成本都恰好低50%。

首周促销也进一步强化了这一低价策略：SpaceXAI表示，Cursor和Grok Build用户在首周可以获得2倍包含用量，让开发者可以低成本试用Grok 4.6。

强化长程执行能力，模型可自主测试并持续修正

从测试结果看，Grok 4.6的提升尤其集中在智能体执行真实工作这一正在成为AI模型竞争核心的领域。

SpaceXAI重点展示了Artificial Analysis推出的GDPVal-AA v2。该测试基于OpenAI的GDPval数据集，考察模型在真实世界、具有经济价值的专业任务中的表现，覆盖44个职业和9个主要行业；模型需要在智能体环境中使用Shell和网页浏览等工具完成任务，并通过盲测两两比较最终产出的文件，由此形成Elo评分。

在SpaceXAI此次公布的对比数据中，Grok 4.6在GDPVal-AA v2取得1753 Elo，排名高于GPT-5.6 Sol Max的1728分和Claude Fable 5 Max的1741分，较上一代Grok 4.5 High的1526分大幅提高。

与此同时，Grok 4.6在Artificial Analysis Intelligence Index中获得61分，与GPT-5.6 Sol Max持平；该指数是由9项测试综合而成，用于衡量模型在数学、科学、编程和推理等多个维度的综合能力。

在SpaceXAI公布的其他测试中，Grok 4.6同样较上一代有明显进步：

但Grok 4.6并非在所有测试中都占据第一。例如在DeepSWE 1.1和Terminal-Bench v3.0中，SpaceXAI公布的GPT-5.6 Sol Max成绩仍高于Grok 4.6。因此，更准确的说法是，Grok 4.6已经在多项智能体和知识工作测试中进入前沿模型第一梯队，而不是全面击败所有竞争对手。

值得注意的是，Artificial Analysis的GDPVal-AA v2排行榜本身会随着模型新增和评测更新而变化，因此本文标题所称的“力压”特指SpaceXAI此次发布时公布的横向测试结果，而非宣称Grok 4.6在所有时间、所有评测体系中均排名第一。

从模型到生态，SpaceXAI加速抢占AI开发入口

Grok 4.6的发布还显示，SpaceXAI正在把竞争从单纯的模型性能比拼，进一步延伸到开发者入口和应用生态。

目前Grok 4.6已经同时进入Cursor、Grok Build和API，并接入OpenRouter、Vercel、Cloudflare等渠道。SpaceXAI希望借助这些平台，让开发者可以直接把Grok 4.6嵌入编程、网页开发和智能体工作流，而不只是通过Grok聊天产品使用模型。

马斯克本人也在X上密集为新模型站台。他先是宣布“Grok 4.6 is now out”，随后转发有关1753 Elo排名的报道，并强调Grok 4.6在GDPVal-AA v2中取得第一；在另一条转发中，他列出了Grok 4.6在AA-Briefcase、Harvey LAB、CursorBench、FrontierCode、APEX-Agents和APEX-SWE等测试中的排名，最后评价称：“Grok 4.6 is a banger”。

而Atreides Management的Gavin Baker则进一步把市场注意力引向下一代产品。他预计，Grok 4.7将是规模明显更大的模型，并可能将Cursor和SpaceX数据纳入预训练。这一说法目前属于投资人士的判断，并非SpaceXAI此次发布公告确认的产品路线。

如果Grok 4.6能够在保持前沿模型级别能力的同时持续维持较低的Token价格，那么其意义可能不仅是一代模型的性能升级，更可能成为AI大模型价格战向智能体时代延伸的一个新信号：当不同厂商的模型能力差距逐渐缩小时，性能与推理成本之间的平衡，可能越来越成为开发者和企业选择模型的关键。