福建
专注AIGC技术的专业社区，关注大语言模型（LLM）的发展和应用落地，聚焦LLM及AI技术的市场研究和开发者生态，欢迎关注！
刚刚，DeepSeek悄悄上线DeepSeek V4 Pro正式版，
马斯克高调推出Grok 4.6。
两者性能直逼顶级闭源，甚至有超越。
每百万输出Token，Grok 4.6要6美元，GPT-5.6 Sol要30美元，Claude Opus 5要25美元，Fable 5要50美元。而DeepSeek只要6元RMB。
DeepSeek每百万输出是Claude Opus 5的约1/29，Agent多项评测分数压过Opus 4.8。
Grok 4.6在综合智能指数上追平GPT-5.6 Sol，职场知识工作三项评测拿下头名。而每百万输出Token是GPT-5.6 Sol 的1/5。
DeepSeek成绩单
DeepSeek V4 Pro正式版在Agent能力上大幅提升。
网络安全智能体测试CyberGym拿到83.3分，Fable 5是83.1分，Opus 4.8是78.3分。
自动化任务评测AutomationBench拿到31.8分，Fable 5的29.1分和Opus 4.8的27.2分都被压在身后。
终端操作基准Terminal-Bench 2.1上，DeepSeek拿到87.9分，超过Opus 4.8的85.0分，离Fable 5的88.0分只差0.1分，同场Kimi-K3拿到88.3分，守着这一项的头名。
同样的性能，Fable 5是DeepSeek约57倍。
带工具的人类最后考试HLE中，DeepSeek拿到60.0分，反超Opus 4.8的57.9分，继续追Fable 5的63.0分。
跨度最大的跳跃在软件工程上。
DeepSWE（软件工程智能体评测）从预览版的12.8分直接升到62.7分，提升近4.9倍，超过Opus 4.8的58.0分。
工具调用评测Toolathlon-Verified拿到74.1分，只略低于Opus 4.8的76.2分和Kimi-K3的76.5分。
从预览版到正式版，分数跳升几乎覆盖所有测试项，半个月时间模型升级幅度非常大。
Grok追上来
马斯克这边的Grok 4.6在AA Intelligence Index（综合智能指数）上拿到61分，与GPT-5.6持平，离Fable 5的62分差1分，比Grok 4.5的56分高出5分，一代模型迈出一大步。
代码编辑器基准CursorBench上拿到69.9%，超过GPT-5.6的67.2%，离Fable 5的70.5%差0.6个百分点。
前沿代码评测FrontierCode上拿到61.3%，压过GPT-5.6的60.6%，紧追Fable 5的64.9%。
职场知识工作三项评测，Grok 4.6全部拿下头名。
职业工作评测GDPval-AA v2拿到1753 Elo（等级分），高过Fable 5的1741和GPT-5.6的1728。
简报案例评测AA-Briefcase拿到1577 Elo，压过Fable 5的1574。
专业法律任务Harvey LAB（哈维法律评测）拿到15.8%，Fable 5是11.3%，GPT-5.6只有2.5%。
Databricks工程师Ivan Zhou发帖，团队与SpaceXAI合作，在Dbrx Mosaic AI的OfficeQA Pro V2（办公问答评测）上评估Grok 4.6，配合Databricks的Genie Harness拿到当前最好成绩，模型在文档理解和数据推理任务上第一。
马斯克在X发帖，把智能、速度、成本放在一起看，与GPT-5.6 Sol、Claude Opus 5对比，Grok 4.6排第一。
新模型同天发布，分数互相咬，价格互相压。OpenAI和Anthropic的头部模型岌岌可危了。
还有大招
这还没结束，马斯克表示，Grok 4.7将发布，性能会超过现有所有模型！
而据内部测试人士透露，DeepSeek Harness，“宇宙最强”Agent也将面世。
全球大模型竞争格局风云变幻，鹿死谁手未可知。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
