Grok 4.6上了牌桌，马斯克还差一部《奥德赛》

文 | AIX财经，作者 | 陈丹，编辑 | 魏佳

马斯克想让Grok在今年年底前拍完一部《奥德赛》。

这听起来像一个典型的马斯克式Flag：用AI挑战诺兰、好莱坞和2.5亿美元制作预算。但真正值得关注的，并不是Grok能不能在五个月里生成几千个镜头，而是它是否已经拥有把一项复杂任务从头做到尾的能力。

Grok 4.6发布后，这个问题有了更具体的答案。

在最新一轮模型竞争中，它已经挤进美国大模型的第一梯队：能力接近OpenAI和Anthropic的旗舰模型，编程成绩甚至在部分榜单领先，API价格却明显更低。与此同时，它在长链条Agent任务上的短板依然存在——会理解问题、会搭框架、会快速启动，却还不够稳定地收尾。

这恰好也是眼下大模型竞争的缩影。

当能力差距缩小、Token越来越便宜，真正决定商业价值的，已经不只是“模型有多聪明”，还要看一次任务能否稳定完成，以及完成一次到底要花多少钱。

对于一年向AI投入上百亿美元资本开支的马斯克来说，Grok也不能只是偶尔冲上一次榜单。它必须持续留在第一牌桌，并把算力、数据和分发真正变成收入。

01.Grok 4.6上了牌桌，但还拍不了《奥德赛》

诺兰的《奥德赛》上映前，马斯克已经骂了这部电影好几轮。骂选角，骂改编，骂诺兰为了奥斯卡“亵渎荷马”。电影上映后，他干脆在X上立了一个Flag，今年年底前，Grok Imagine要做出一部“符合历史、忠于荷马艺术”的完整《奥德赛》。

马斯克转发的三分钟《奥德赛》短片确实不错。盔甲、海岸、人物特写都有电影预告片的质感，但三分钟精修短片和九十分钟长片之间，还隔着几千个镜头，以及一群AI演员。

趁着Grok 4.6发布，我们没有再测试视频，而是给它出了两道更适合语言模型的题。第一道，看它能不能读懂荷马。第二道，看它能不能搭出一套把三分钟样片扩展成九十分钟长片的制片系统。

第一题，Grok答得比马斯克本人靠谱。

“符合历史”和“忠于荷马”听起来不难，真翻开《奥德赛》就会发现，这两个维度很难同时实现。《奥德赛》经过数百年口述传播，青铜时代的武器、铁器时代的习俗和诗人的神话想象全叠在一起。你可以考证奥德修斯该用什么剑、坐什么船，却没法从遗址里挖出独眼巨人、女神和冥界。

Grok把问题拆成了四层，青铜时代考古、荷马史诗里的混合时间层、作品本身的诗学，以及诺兰的现代改编。

它给出的办法是，考古负责约束器物、服装和地理，荷马负责约束人物、叙事和诗学。它还顺手纠正了一个流传很广的错误，「让千艘战船起航的面孔」出自马洛，不是荷马。

这题说明Grok 4.6不仅会查资料，还能拆开一个内部冲突的命题，替争议双方构造最强论证。

第二题更接近真正的制片工作。

Grok搭了一个《奥德赛》制片计算器，把成片时长、平均镜头长度、首轮可用率、复杂镜头占比、并发任务数、人工审核时间、成本和工期全部做成可调参数。

Grok4.6生成的电影制片系统

按照默认参数，它估算一部90分钟长片需要约208个工作日。Grok自己算完都觉得有点悬，最后给出了一条“识时务”的建议：做一部12到20分钟的荷马选篇。

当然，208天不能当作实测结果。首轮可用率、连续性失败率、每个可用镜头需要生成几次，都是模型设定的假设。计算器证明Grok会拆解工程、建立公式和搭建生产系统，没有证明这套系统真的能在208天内交片。

而且，它点出了AI电影最难的部分。现在生成一个漂亮镜头已经不稀奇。难的是让几千个镜头中的脸、衣服、船只、空间和叙事保持一致，同时把废片、重做和人工审核压到制片方能承受的范围。

外部榜单给出的结论差不多。

在Artificial Analysis的榜单上，Grok 4.6的综合智能指数是61分，与GPT-5.6 Sol同分，距离Claude Fable 5只有1分。CursorBench 3.2上，Grok 4.6 High拿到69.9%，超过Sol的67.2%。它完成一次任务的成本约2.34美元，Sol约5.69美元。Grok 4.6的API的起价在每百万输入Token 2美元、输出6美元——价格确实有杀伤力。

图源 / SpaceX

但到了DeepSWE和TerminalBench这类长链条任务，Grok分别拿到65.9%和26%。Sol是73%和34.6%，Fable 5是70%和34.1%。

Grok已经很会理解问题、启动项目和搭建框架，到了需要连续执行、处理意外和稳定收尾的阶段，仍然会掉链子。

综合来看，Grok 4.6已经坐上美国大模型的第一桌，而且在OpenAI和Anthropic旗舰模型面前，打出了一张很凶的性价比牌。

它会读荷马，会写分镜，会算工期，也会搭制片系统。只是奥德修斯漂了十年才回到伊萨卡，想让Grok在年底前带着几千个连续镜头顺利“返乡”，现在看还很难。

02.35天一代，马斯克先要确保Grok别掉队

从7月8日Grok 4.5开始对外推送，到8月12日Grok 4.6发布，中间只隔了35天。马斯克还预告，拥有2.1万亿参数的Grok 4.7将在几周后到来，能力更强，Token效率更高，只是推理稍慢。

4.7还没发布，参数和能力也只有马斯克一家的说法，但4.5到4.6至少完成了一次有效的月度升级。如果4.7按时落地，SpaceXAI就更显示出自己能够停留在第一梯队的能力。

这件事放在两年前，还有点难以想象。

2023年11月，Grok-1发布时，OpenAI已经拿出GPT-4，Anthropic已经发布Claude，Google背后则有TPU、搜索和云。那时候，Grok更像X Premium附赠的聊天机器人，企业客户、开发者生态和模型透明度都没建立起来，B端的市场占有率也很低。今年4月，在Ramp客户的企业付费样本里，xAI的采用率只有1.9%，而Anthropic和OpenAI的这一数字分别是34.4%和32.3%。

在很多从业者的眼中，和Meta一样，SpaceXAI的大模型也长期困于第二梯队。

但现在Grok端着凳子挤过来了。它能追上来，主要是大力出奇迹，靠算力、数据和工程速度一起硬堆。

xAI用122天建成了首期10万张Hopper GPU的Colossus，随后又用92天扩到20万张。服务器到场19天后，集群已经开始跑训练任务。黄仁勋把这段部署速度称为“超人级”。X给Grok提供实时信息、用户和分发入口。Cursor则提供真实的编程任务和开发者与Agent的交互数据。Cursor称，Grok 4.5的训练使用了数万亿Token的Cursor数据。

模型也不必每个月从头练一遍。Grok 4.6建立在4.5的基础上，主要升级监督微调、强化学习和Agent训练环境。Colossus负责把训练规模堆上去，X和Cursor负责不断喂回真实任务，SpaceXAI再用后训练把这些任务压进下一版模型。

这套流水线跑顺以后，版本号就能按月往前拱。

Grok也必须跑这么快，因为SpaceX已经把太多钱押在AI上了。

SpaceX招股书显示，2025年AI分部收入32亿美元，经营亏损64亿美元，资本开支127亿美元，占公司总资本开支约61%。2026年一季度，SpaceX又向AI分部投入77亿美元，占全公司资本开支的76%。到了2026年二季度，AI分部资本开支进一步升至158.28亿美元，占三大分部资本开支的约86%，单季已经超过2025年全年；上半年累计达到236亿美元。

SpaceX给投资者讲的故事已经很明确。公司把AI和Space、Connectivity并列为三大业务分部，并把AI称为未来垂直整合的基础平台。在SpaceX自己测算的28.5万亿美元可量化市场中，AI占26.5万亿美元，火箭和卫星连接业务加起来只有约2万亿美元。马斯克预计AI收入可能在2026年9月超过SpaceX其他业务收入之和，四五年后，AI可能贡献SpaceX 99%的公司价值。

Grok是这笔重投入能否获得更高回报的关键变量。AI分部可以直接把算力卖给第三方，但只有自有模型稳定留在第一梯队，SpaceX才有机会把同一套基础设施向上延伸到API、订阅和Agent等更高附加值的业务。

如果Grok保持第一梯队，SpaceX可以同时赚模型、应用和算力的钱，还能用自己的模型给Colossus乃至未来的轨道算力制造需求。如果Grok掉队，Colossus照样可以把GPU租给Anthropic和Google，但SpaceX会从全栈AI公司退回成重资产算力房东，负责建机房、买芯片和交电费。

而且236亿美元资本开支，如果最后只训练出一个二流模型，这个故事恐怕马斯克自己都不好意思讲。

03.从比Token单价，到比“一次交付”

过去几个月，大模型竞争堪称惨烈。

Anthropic依靠Claude Code和Fable 5在编程场景建立优势，OpenAI随后用Codex和新模型追赶，Grok又在一个多月内连续更新两代。

榜单前排的保鲜期，已经从几个月缩短到几周。当头部模型之间的能力差距只剩几个百分点，另一个数字就会变得格外显眼——价格。

来自中国的模型，把这种压力进一步往前推。

7月，月之暗面发布拥有2.8万亿参数和100万Token上下文的Kimi K3。它的价格虽不算便宜，但开放权重本身就在削弱头部模型厂商对推理价格的控制力。

DeepSeek走得更彻底。截至8月13日，DeepSeek V4 Flash每百万输入和输出Token的价格分别只有0.14美元和0.28美元。在DeepSeek公布的结果中，它的推理能力已经接近V4 Pro，简单Agent任务也能做到相近水平。当天，DeepSeek虽然宣布从北京时间8月17日0点起改用峰谷定价，但即便按高峰价计算，仍明显低于Grok 4.6的2美元和6美元。

OpenAI也开始重新算这笔账。

7月30日，在GPT-5.6发布仅三周后，OpenAI将Luna价格下调80%，Terra下调20%。目前，Luna每百万输入和输出Token分别为0.2美元和1.2美元，Terra则为2美元和12美元。

OpenAI的打法非常清晰：Sol处理最复杂的判断和规划，Terra承担日常工作，Luna执行大量边界清晰、重复度高的任务。它争夺的是通过模型分工，把整条工作流的平均成本压下来。

图源 / Artificial Analysis

大模型竞争由此进入了一套更复杂的计分规则。

模型能力决定能不能上桌，长任务可靠性决定客户敢不敢把活交给你，单位任务成本决定客户能够用多少次。再往后，还要比较算力、分发、企业客户，以及持续烧钱的耐力。

Token单价只是其中最容易看到的数字。

一个模型即使每百万Token便宜一半，如果执行任务需要更多步骤、更频繁重试，或者总是在最后20%失败，节省下来的推理费用很快就会被返工和人工审核吃掉。客户真正购买的，其实是一次成功交付。

这也是为什么Grok 4.6眼下最值得关注的指标，并不只是2美元输入、6美元输出。如果它能以更低成本完成同样的任务，它就是更便宜的模型；但如果它在TerminalBench这类长任务里更容易失败，那么“便宜”就可能只是停留在价目表上。

拿这把尺子再看硅谷，各家手里的牌并不相同。

Anthropic握着Claude Code、长任务能力和企业客户信任，但它必须不断证明，这些优势值得更高的价格。OpenAI拥有ChatGPT、Codex和覆盖不同价位的模型矩阵，可以在能力、速度和价格之间灵活调兵。Google手里则有TPU、Google Cloud、搜索、Workspace和Android，可能是所有玩家中基础设施和分发最完整的一家。Meta走的是另一条路，通过开放权重和社交平台分发，不断压低通用模型能力的稀缺性，只是如何把这种影响力真正转化成收入，始终是另一道题。

SpaceXAI的特殊之处在于，它没有哪一张牌绝对领先，但几张牌已经开始互相喂养。Colossus提供算力，X提供实时信息、用户和分发，Cursor提供真实编程任务、工具调用轨迹和开发者反馈，Grok再把这些资源转化成API、订阅和Agent产品。模型进入X和Cursor之后产生的新反馈，又可以继续回到下一轮后训练。

随着Grok重新挤进第一牌桌，黄仁勋2025年的一段评价也被重新翻了出来。他当时认为，马斯克同时押注基础模型、自动驾驶和人形机器人，进入了AI最重要的三个方向，并因为掌握大量真实世界数据而处在“绝佳位置”。这个判断现在更容易理解了。

但拥有版图，不等于已经形成闭环。

特斯拉仍然是一家独立公司。自动驾驶、机器人、X和Grok之间究竟能够共享多少数据、模型和客户，还受到组织边界、隐私与监管的约束。SpaceXAI也没有Google Cloud、Microsoft Azure或者企业办公软件那样成熟的销售和交付渠道。

更现实的问题是，Grok在TerminalBench等长链条Agent测试中仍然落后。企业客户对于安全、稳定性、透明度以及品牌风险的顾虑，也没有因为一次榜单上升就自动消失。

从“最有性价比的第一梯队模型”到“最大的商业赢家”之间，仍然隔着可靠性、企业信任、渠道和真实采用率。

就像马斯克想让Grok拍完《奥德赛》一样，生成短片已经不是最难的事。真正难的是，别在返乡路上翻船。