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。
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：
CursorBench v3.2：69.9%，Grok 4.5 High 为 66.7%；
FrontierCode v1.1：61.3%，Grok 4.5 High 为 56.6%；
APEX-Agents：57.5%，Grok 4.5 High 为 47.1%；
APEX-SWE：56.4%，Grok 4.5 High 为 53.6%；
AA-Briefcase：1577 分，Grok 4.5 High 为 1313 分；
Harvey LAB：15.8%，Grok 4.5 High 为 12.9%。
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。
