性能追平、价格砍半，Grok 4.6 杀回来了

最近，AI 圈确实够热闹的。

阿里开源了 Qwen3.8-2.4T-A95B，DeepSeek V4 Pro 正式版也发了，再加上马斯克这边推出了 Grok 4.6，三家赶在同一天往外甩重磅消息。

测评博主们连轴转，社交媒体上刷屏的跑分图表看得人眼花。

但一圈看下来，最让人挪不开眼的确实是 Grok 4.6。毕竟三个月前它还在榜单第 17 名晃悠，这回直接冲到了第一梯队。

那 Grok 4.6 到底有多猛？

先看硬指标：Artificial Analysis 的智能指数 AAII 上，Grok 4.6 拿到了 61 分，跟OpenAI 的 GPT-5.6 Sol Max 平起平坐。

上一代 Grok 4.5 是 56 分，一个月涨了 5 分，而 Claude Fable 5 Max 也就62分。

简单说，Grok 从“追赶者”变成了“并驾齐驱者”，这个翻身仗打得确实漂亮。

马斯克当然不会放过这个嘚瑟的机会，模型上线两小时内，他在 X 上转了大概 10 条夸新模型的帖子。

老马还是那个老马，但这次他确实有底气这么喊。

不过真正让我觉得有意思的，不是跑分追平，而是 Grok 4.6 在“做事”层面的变化。

以前的 AI 大模型，你问一句它答一句，像个知识渊博但不太会来事儿的学霸，但 Grok 4.6 不一样。

给它一个模糊的产品想法，比如“帮我做个 App ”，它能自己研究陌生领域、设计架构、写代码、跑测试、发现问题、改代码，最后给你一个能跑的第一版。

整个过程不需要你每一步都下指令，SpaceXAI 管这叫“长时间运行的 AI 智能体”，通俗讲就是它学会了自己跟自己玩，而且能玩很久， 不怎么需要你再来回切换模型或进行人工干预。

在智能体知识工作测试 GDPVal-AA v2 里，Grok 4.6 拿了 1753 分，超过了 Claude Fable 5 的 1741 和 GPT-5.6 Sol 的 1728。

法律领域的 Harvey LAB 测试更夸张，15.8% 直接碾压 GPT-5.6 Sol 的 2.5%。

不过在软件工程 DeepSWE 测试里它只有 65.9%，落后于 GPT-5.6 Sol 的73%；终端操作 Terminal-Bench 只有 26%，而对手都在 34% 左右。

说明写代码干活它很在行，但操作终端这种活儿还得再练练。

那马斯克是怎么在三个月里把 Grok 从第 17 名拉到这个位置的？答案是没换底座，只磨后训练。

Grok 4.6 沿用了 4.5 的 1.5 万亿参数底座，所有提升都来自更长的补充训练、更精细的监督微调数据，以及在编程、知识工作、内核优化、网页开发、CAD 设计等领域的强化学习。

这就好比还是同一副身体，脑子练得更聪明了。

巧合的是，同一天发布的 DeepSeek V4 Pro 也走的是类似路线，看来到了 2026 年中，大家已经卷不动参数，开始卷怎么把现有参数用得更溜。

价格方面，Grok 4.6 走的是加量不加价路线。

API 定价每百万输入 Token 两美元、输出六美元，而 GPT-5.6 Sol 是五美元输入、三十美元输出，Claude Opus 5 是五美元输入、二十五美元输出。

相比之下，Grok 便宜了六成以上。有投资人算过账，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%。

更狠的是效率，Artificial Analysis 数据显示，Grok 4.6 完成一个长任务平均只要 53 轮交互和 5 亿输入 Token，而 Claude Opus 5 Max 要 103 轮和 20 亿Token。

省了一半多的步骤，四分之三的 Token 消耗。

每任务成本算下来只要 0.84 美元，跟 Kimi K3 价格差不多，但智能分数更高。

所以 Artificial Analysis 直接说，Grok 4.6 是目前综合能力与每任务成本的最优模型。

性能追平顶流、价格只有一半、干活还更快，这套组合拳打下来，难怪 SpaceX 股价当天涨了 9%。

目前 Grok 4.6 已经在 Cursor 和 Grok Build 上线，首周提供双倍使用额度。

API 也开放了，合作伙伴包括 OpenRouter、Vercel 和 Cloudflare。上下文窗口 50 万 Token，支持图文多模态输入，推理强度四档可调。

有意思的是，有不少人都把这次飞跃跟 SpaceX 收购 Cursor 联系起来。

今年 6 月 SpaceX 以 600 亿美元全股票交易收购了 Cursor，马斯克自己承认过 AI 业务在编程领域有差距，所以推动了人员调整。

据说 Grok 4.5 训练时引入了数万亿 Token 的 Cursor 真实开发数据，不得不感慨：有钱确实能为所欲为。

话说回来，如今 AI 圈迭代速度已经到了令人麻木的地步，今天你发一个追平，明天他发一个反超，跑分榜隔三差五就要重排。

对大多数普通用户来说，这些数字游戏其实没那么重要。

真正有意义的就两件事：第一，用同样甚至更少的钱，能不能拿到更好的结果；第二，这个工具能不能帮我搞定以前搞不定的事情。

Grok 4.6 在这两点上确实往前迈了一大步，性能不掉队，价格砍一半，还能自己跑完一整个任务，这才是实实在在感受到的进步。

不过，马斯克显然不打算就此停下参数竞赛的脚步，他已经预告 Grok 4.7 过不了多久就会上线，届时将换上 2.1 万亿参数的新底座。

他放话说“若有任何模型表现比 4.7 更出色，我会感到非常震惊”。这 flag 立得够高，能不能兑现，模型上线后见分晓。

参考资料：artificialanalysis.ai、X等

编辑： 不吃麦芽糖