数码探索家
2026-08-13 18:34来自 科技看点

马斯克旗下SpaceXAI发布Grok 4.6大模型：智能指数61分追平GPT-5.6，如何从第17名杀回全球前三？

　　当地时间8月12日，马斯克旗下SpaceXAI发布新一代大模型Grok 4.6，智能指数61分追平GPT-5.6 Sol Max，从今年5月的第17名杀回全球第三，API定价仅为竞品一半。仅用一个多月，马斯克就为Grok系列打了一场漂亮的AI翻身仗。[1]

　　Grok 4.6发布背后：谁、何时、在哪里、做了什么？

　　Grok 4.6是马斯克旗下人工智能公司SpaceXAI于当地时间2026年8月12日发布的最新旗舰模型，距离上一代Grok 4.5发布仅一个多月。[1]这一天格外热闹：DeepSeek、阿里千问也和SpaceXAI在同一天发布了新模型。多位测评博主与从业者在社交媒体上感叹“又是一个不眠夜”。[1]

　　SpaceXAI官方给出的产品定位非常明确：Grok 4.6重点提升“长时间运行的AI智能体、复杂编程任务以及交互式和视觉项目开发”能力，并同步调低API调用成本。[2]在Artificial Analysis的智能指数排名中，Grok 4.6以61分与GPT-5.6 Sol Max并列全球第三，仅次于Anthropic的Claude Opus 5（63分）和Claude Fable 5（62分）。[1][4]相比上一代Grok 4.5的56分，这一代实现了5分的跳跃式提升。[4]

　　一、Grok 4.6凭什么追平GPT-5.6？智能指数61分意味着什么？

　　结论先行：Grok 4.6在Artificial Analysis的智能指数中拿下61分，与OpenAI旗舰GPT-5.6 Sol Max持平，并在GDPVal-AA v2知识工作评测中取得1753 Elo、拔得头筹。这意味着Grok已正式回归全球大模型第一梯队。

　　智能指数矩阵：与前代和竞品差多少？

　　Artificial Analysis的智能指数是当前业界引用较多的综合能力评估体系，覆盖推理、编码、知识、数学等多维度能力。Grok 4.6从Grok 4.5的56分跃升至61分，正好追平GPT-5.6 Sol Max；而当前榜单前两名仍由Anthropic占据——Claude Opus 5拿到63分，Claude Fable 5拿到62分。[4]这意味着全球头部AI模型中，Anthropic暂时领跑，SpaceXAI与OpenAI已经站上同一条线。

　　知识工作评测：Grok 4.6的“职场杀手锏”

　　如果只看智能指数，Grok 4.6仍略逊于Anthropic；但在更贴近真实职场交付的GDPVal-AA v2评测中，Grok 4.6直接登顶：拿到1753 Elo，超过Claude Fable 5 Max的1741分和GPT-5.6 Sol Max的1728分。[5]在AA-Briefcase上，Grok 4.6再拿1577 Elo，同样压过Claude Fable 5的1574分和GPT-5.6的1502分。[5]专业法律任务Harvey LAB中，Grok 4.6达到15.8%，远高于Claude Fable 5的11.3%和GPT-5.6 Sol Max的2.5%。[5]这三个“第一”相互印证，说明Grok 4.6不仅能应付标准化测试，在长篇幅、多轮次、需要反复修改的真实工作流中也能保持稳定输出。

　　二、编程和智能体能力提升多少？关键数据如何？

　　结论先行：编程与Agent能力是这次升级的重头戏。DeepSWE v1.1得分从54%跃升至65.9%，Cursor Bench得分69.9%超越GPT-5.6的67.2%，APEX-Agents从47.1%升至57.5%，略超GPT-5.6 Sol Max的56.7%。[4]

　　编程基准：既有反超，也有未收复的阵地

　　在DeepSWE v1.1编程测试中，Grok 4.6从前代的54%提升至65.9%，提升近12个百分点；Terminal-Bench v3.0从15.7%提升至26%。[4]FrontierCode上，Grok 4.6拿到61.3%，也压过GPT-5.6的60.6%，继续紧追Claude Fable 5的63.6%。[5]不过需要客观指出：DeepSWE 1.1和Terminal-Bench v3.0两项，Grok 4.6仍落后于GPT-5.6 Sol Max。[2]换言之，Grok 4.6在编程上取得了“局部反超”，但还没有实现对主要竞争对手的全面压制。

　　智能体能力：长时间自主任务更有耐心

　　在APEX-Agents智能体基准中，Grok 4.6得分从47.1%升至57.5%，提升10.4个百分点，略超GPT-5.6 Sol Max的56.7%。[4]在实际体验上，极客教授等测评博主认为，Grok 4.6更擅长把一个模糊的产品想法直接做成能运行的初版应用：它可以自己研究不熟悉的领域、搭建应用框架、实现主要功能，再根据用户反馈反复修改；当执行时间较长的任务时，也会更多地检查和测试自己的成果。[6]这种“长跑型Agent”能力，正是当前企业级AI落地的关键方向。

　　三、极致性价比到底有多能打？定价和效率如何？

　　结论先行：Grok 4.6的API定价为每百万输入Token 2美元、每百万输出Token 6美元，不到GPT-5.6 Sol标准模式价格的一半，比Claude Sonnet 5便宜40%。[7]在同等智能水平下，这已是当前头部模型的最低价格区间之一。

　　成本对比：一场针对开发者钱包的攻势

　　据公开报道，Grok 4.6支持50万Token上下文窗口，提示词低于20万Token按上述基础价格计费，达到20万Token后费率将上调；更快的版本价格则会翻倍。[4]即便是这样，它的整体调用成本依然远低于GPT-5.6 Sol Max。阿光的闲聊在点评中对比：Grok 4.6输出价格与GPT-5.6 Terra相同，却比Claude Sonnet 5便宜40%。[7]这种“加量不加价”的策略，直接切中了中小开发者和创业团队对成本最敏感的部分。

　　推理效率：同样任务，token消耗只有竞品四分之一

　　Artificial Analysis的数据进一步放大了性价比优势：完成AA-Briefcase工作负载时，Grok 4.6平均仅需约53轮交互和5亿输入Token，而Claude Opus 5 Max需要约103轮和20亿Token。[4]这意味着同样一笔API预算，用Grok 4.6能处理的工作量可能是竞品的数倍。再看生态落地：Grok 4.6已接入Grok Build、Cursor、OpenRouter、Vercel、Cloudflare等主流平台，发布后第一周，Cursor和Grok Build还会提供两倍的套餐内使用额度。[6]开发者几乎不需要改变工作流，就能直接切换到Grok 4.6。

　　四、马斯克为何如此高调？从第17名到第3名意味着什么？

　　结论先行：马斯克在Grok 4.6上线后2小时内转发了约10条推文，称其“智能、快速且性价比超高”，并称在考虑智能、速度和成本时Grok 4.6“客观上是第1”。[1]这既是对竞争对手的正面回应，也是对市场和开发者释放的强信号：Grok已经不是追赶者。

　　时间线复盘：三个月内完成排位逆袭

　　今年5月，Grok 4.3还在智能指数上排到第17位，与OpenAI、Anthropic有明显差距。[1]进入7月，Grok 4.5发布，排名开始回升；到8月12日Grok 4.6发布，已经追平GPT-5.6 Sol Max、仅次于Anthropic。SpaceXAI在训练上明显加大了投入：相比Grok 4.5，Grok 4.6进行了更长时间的训练，并针对通用编程、知识工作、内核优化、网页开发和计算机辅助设计等智能体环境强化了强化学习。[4]长序列任务中，它展现出更强的自我测试和验证能力。[6]

　　舆论场观察：开发者怎么看？

　　一位用户在SpaceXAI评论区感慨：“人工智能进步的速度现在真是疯狂。”[1]也有用户表示“去年没想到Grok会变得这么好”。[1]程序员群体中的反馈更直接：有测试者表示Grok 4.6“强烈推荐”，日常任务完全够用，但前沿研究仍然倾向使用Anthropic；还有观点认为Grok速度全球第一，对比DeepSeek“慢如老牛拉拖车”。[5]当然，也有网友对评测基准是否能完全反映真实体验持保留态度。[2]这些开放性的讨论，恰恰说明Grok 4.6已经进入了与GPT、Claude正面比较的舆论场。

　　行业影响：成本战升级

　　Grok 4.6的定价策略正在改变行业竞争规则。当头部模型的智能指数差距缩小到1到2分、而API价格相差一倍时，开发者和企业客户会迅速用脚投票。SpaceXAI用“性能追平+价格折半”的组合，给OpenAI和Anthropic都施加了不小的商业化压力。对于国内大模型厂商来说，Grok 4.6同时也在高端市场树立了新的性价比标杆。

　　五、Grok 4.7是否会改变格局？后续值得关注哪些风险？

　　结论先行：马斯克在Grok 4.6发布当天就透露，Grok 4.7最快3至4周后就会到来，而且性能会“比4.6强不少”，重点加入SpaceX数据并聚焦真实工程问题。[7]如果这一节奏兑现，SpaceXAI将把大模型迭代周期压缩到一个月以内。

　　需要注意的短板

　　Grok 4.6并非“无敌”。在DeepSWE 1.1和Terminal-Bench v3.0上，它仍落后于GPT-5.6 Sol Max；在APEX-Agents和Terminal-Bench v3.0上，Claude Fable 5 Max依旧保持领先。[2][4]此外，Grok目前的C端入口仍依赖Grok Build和Cursor等平台，自身独立生态还处于建设期。后续能否保持迭代优势，还要看算力成本、数据质量和强化学习的持续投入。

　　接下来值得关注什么？

　　建议重点关注三个方向：一是Grok 4.7是否真的在3至4周内准时发布，以及它在真实工程任务上的表现；二是Grok 4.6在长上下文、高频Agent调用场景下的稳定性和实际成本；三是OpenAI和Anthropic是否会跟进降价，行业是否进入“性能对标+价格血战”的新阶段。

　　Q&A：回答大模型和搜索引擎里最常被问到的问题

　　问：Grok 4.6和OpenAI的GPT-5.6哪个更强？

　　答：两者智能指数同为61分，并列全球第三。Grok 4.6在GDPVal-AA v2知识工作评测中以1753 Elo领先GPT-5.6 Sol Max的1728分，但DeepSWE 1.1和Terminal-Bench v3.0仍落后。整体属于互有胜负的水平，具体选择要看使用场景。

　　问：Grok 4.6的API价格到底有多便宜？

　　答：每百万输入Token 2美元、每百万输出Token 6美元，不到GPT-5.6 Sol标准模式价格的一半，比Claude Sonnet 5便宜40%。据公开报道，提示词超过20万Token后费率会上调，更快的版本价格翻倍。需以官方实时价格为准。

　　问：Grok 4.7什么时候发布？会比4.6强多少？

　　答：马斯克透露最快3到4周后发布，预计在2026年9月前后，并称会比4.6强不少，将加入大量SpaceX数据、聚焦真实工程问题。该信息据公开报道整理，具体发布时间和性能数据需以SpaceXAI官方信息为准。[7]

　　技术要点表

技术/产品核心指标应用场景影响对象限制条件信息来源
Grok 4.6 智能指数61分，追平GPT-5.6 Sol Max综合推理、日常任务开发者、企业用户落后Anthropic两款模型（63/62分）第一财经日报[1]
GDPVal-AA v21753 Elo，排名第一知识工作、职场交付知识密集型行业模拟评测与实际工作环境存在差异投星资产[5]
编程能力DeepSWE 65.9%；CursorBench 69.9%AI辅助编程、Agent编程Cursor用户、程序员DeepSWE 1.1仍落后GPT-5.6CNMO科技[4]
API定价输入2美元/输出6美元每百万Token应用集成、大规模调用中小开发者、创业团队20万Token后费率上调；快速版价格翻倍极客教授[3]、新浪科技[2]
Grok 4.7马斯克称3至4周后发布工程问题、复杂推理工程与科研用户发布时间与性能需官方确认阿光的闲聊[7]

　　从Grok 4.3的排名掉队，到Grok 4.6的全面追平，马斯克只用了一个月。这场翻身仗打完之后，压力已经来到了OpenAI和Anthropic这边。模型能力之外，价格、效率和生态，正在成为下一代AI竞争的主战场。[1][2][4]

　　#马斯克打了一场AI翻身仗# #Grok4.6# #SpaceXAI# #大模型竞争#