SpaceXAI's New "Killer App": Grok 4.6 Agent Outperforms GPT-5.6 and Fable 5 in Tests, Priced at Half That of Competitors

美東時間 8 月 12 日週三，馬斯克旗下 SpaceXAI 正式發佈新一代大模型 Grok 4.6。SpaceXAI 稱，新模型相比 Grok 4.5 實現顯著提升，重點強化長時間運行的智能體（Agent）、複雜編程、知識工作以及交互式和視覺任務能力。

此次發佈最受關注的並非單純的模型迭代，而是Grok 4.6 在 SpaceXAI 公佈的多項前沿模型測試中已經躋身第一梯隊，同時 API 起售價僅為 2 美元/百萬輸入 Token、6 美元/百萬輸出 Token。SpaceXAI 稱，其定價約為其他前沿模型的一半；該模型上線首周在 Cursor 和 Grok Build 中還提供 2 倍包含用量。

SpaceXAI 公佈的測試數據顯示，Grok 4.6 在 Artificial Analysis Intelligence Index 中取得 61 分，與 OpenAI 前沿模型 GPT-5.6 Sol Max 持平；在 GDPVal-AA v2 中則取得 1753 Elo，超過 GPT-5.6 Sol Max 的 1728 分和 Anthropic 前沿模型 Claude Fable 5 的 1741 分。

馬斯克隨後在社交媒體轉發有關 Grok 4.6 是巨大升級、在所有基準測試中得分均超過 Grok 4.5 High 的帖子，強調 Grok 4.6 評分達到 1753 Elo，並自誇新模型太牛了。

從知識工作到編程，Grok 4.6 全面強化複雜任務能力

Grok 4.6 此次升級的核心，不再只是回答問題，而是讓模型能夠持續完成需要多步驟執行的複雜任務。

SpaceXAI 表示，Grok 4.6 重點針對長時間運行的智能體進行訓練，可以連續完成研究主題、分析信息、處理代碼庫，以及把一個模糊的產品想法轉化為可運行的應用或工作成果。公司還稱，新模型在更長的任務軌跡中開始表現出更多自主測試和驗證能力，會在繼續執行之前檢查此前的工作。

在訓練方面，Grok 4.6 經歷了比 Grok 4.5 更長的補充訓練，加入經過篩選的模型生成推理數據、高質量工程數據，並改進優化器和訓練方案。隨後，SpaceXAI 利用 Grok 4.5 生成覆蓋不同推理強度、智能體框架以及 STEM、軟件工程和知識工作的 SFT 軌跡，並進一步通過強化學習訓練模型完成通用編程、知識工作、內核優化、網頁開發和計算機輔助設計等任務。

SpaceXAI 特別強調，Grok 4.6 在把 “想法” 變成 “產品” 方面有所提升。對於一個具體的產品構想，模型可以先研究陌生領域、設計應用結構、實現核心交互，再根據反饋進行多輪迭代；在視覺和交互式項目中，新模型也能夠更快形成較為完整的第一版成果。

低價策略直指開發者市場，首周 Cursor 等產品加倍放量

相比模型能力本身，Grok 4.6 的定價策略可能更加值得 AI 產業鏈關注。

SpaceXAI 公佈的 API 價格從每百萬輸入 Token 2 美元、每百萬輸出 Token 6 美元起，另有速度更快、價格翻倍的版本。公司同時宣佈，Grok 4.6 已經接入 Cursor、Grok Build，並通過 OpenRouter、Vercel 和 Cloudflare 等合作伙伴提供。

作為對比，SpaceXAI 在公告中將 Grok 4.6 定位為 “其他前沿模型的一半價格”。而投資機構 Atreides Management 首席投資官 Gavin Baker 的評價更為激進：他認為，Grok 4.6 的性能大致相當於 Fable 5 Max，但輸入 Token 價格低 80%、輸出 Token 價格低 88%，因此在性能與成本的組合上具有明顯優勢。

科技業分析師、Superintelligence Newsletter 主編 Kim Monnis 也指出，Grok 4.6 不僅比 Opus 5 和 GPT-5.6 Sol 便宜，甚至低於 Sonnet 5，同時性能至少處於頂級模型水平。在他看來，這種 “前沿性能 + 低成本” 的組合才是 Grok 真正的護城河。

需要指出的是，API 單價並不能完全等同於實際使用成本。不同模型的 Token 消耗、推理強度和任務完成路徑存在差異，因此 “便宜一半” 主要是對公佈 API 價格的比較，而不是意味着所有具體任務的最終成本都恰好低 50%。

首周促銷也進一步強化了這一低價策略：SpaceXAI 表示，Cursor 和 Grok Build 用户在首周可以獲得 2 倍包含用量，讓開發者可以低成本試用 Grok 4.6。

強化長程執行能力，模型可自主測試並持續修正

從測試結果看，Grok 4.6 的提升尤其集中在智能體執行真實工作這一正在成為 AI 模型競爭核心的領域。

SpaceXAI 重點展示了 Artificial Analysis 推出的 GDPVal-AA v2。該測試基於 OpenAI 的 GDPval 數據集，考察模型在真實世界、具有經濟價值的專業任務中的表現，覆蓋 44 個職業和 9 個主要行業；模型需要在智能體環境中使用 Shell 和網頁瀏覽等工具完成任務，並通過盲測兩兩比較最終產出的文件，由此形成 Elo 評分。

在 SpaceXAI 此次公佈的對比數據中，Grok 4.6 在 GDPVal-AA v2 取得 1753 Elo，排名高於 GPT-5.6 Sol Max 的 1728 分和 Claude Fable 5 Max 的 1741 分，較上一代 Grok 4.5 High 的 1526 分大幅提高。

與此同時，Grok 4.6 在 Artificial Analysis Intelligence Index 中獲得 61 分，與 GPT-5.6 Sol Max 持平；該指數是由 9 項測試綜合而成，用於衡量模型在數學、科學、編程和推理等多個維度的綜合能力。

在 SpaceXAI 公佈的其他測試中，Grok 4.6 同樣較上一代有明顯進步：

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

但 Grok 4.6 並非在所有測試中都佔據第一。例如在 DeepSWE 1.1 和 Terminal-Bench v3.0 中，SpaceXAI 公佈的 GPT-5.6 Sol Max 成績仍高於 Grok 4.6。因此，更準確的説法是，Grok 4.6 已經在多項智能體和知識工作測試中進入前沿模型第一梯隊，而不是全面擊敗所有競爭對手。

值得注意的是，Artificial Analysis 的 GDPVal-AA v2 排行榜本身會隨着模型新增和評測更新而變化，因此本文標題所稱的 “力壓” 特指 SpaceXAI 此次發佈時公佈的橫向測試結果，而非宣稱 Grok 4.6 在所有時間、所有評測體系中均排名第一。

從模型到生態，SpaceXAI 加速搶佔 AI 開發入口

Grok 4.6 的發佈還顯示，SpaceXAI 正在把競爭從單純的模型性能比拼，進一步延伸到開發者入口和應用生態。

目前 Grok 4.6 已經同時進入 Cursor、Grok Build 和 API，並接入 OpenRouter、Vercel、Cloudflare 等渠道。SpaceXAI 希望藉助這些平台，讓開發者可以直接把 Grok 4.6 嵌入編程、網頁開發和智能體工作流，而不只是通過 Grok 聊天產品使用模型。

馬斯克本人也在 X 上密集為新模型站台。他先是宣佈 “Grok 4.6 is now out”，隨後轉發有關 1753 Elo 排名的報道，並強調 Grok 4.6 在 GDPVal-AA v2 中取得第一；在另一條轉發中，他列出了 Grok 4.6 在 AA-Briefcase、Harvey LAB、CursorBench、FrontierCode、APEX-Agents 和 APEX-SWE 等測試中的排名，最後評價稱：“Grok 4.6 is a banger”。

而 Atreides Management 的 Gavin Baker 則進一步把市場注意力引向下一代產品。他預計，Grok 4.7 將是規模明顯更大的模型，並可能將 Cursor 和 SpaceX 數據納入預訓練。這一説法目前屬於投資人士的判斷，並非 SpaceXAI 此次發佈公告確認的產品路線。

如果 Grok 4.6 能夠在保持前沿模型級別能力的同時持續維持較低的 Token 價格，那麼其意義可能不僅是一代模型的性能升級，更可能成為AI 大模型價格戰向智能體時代延伸的一個新信號：當不同廠商的模型能力差距逐漸縮小時，性能與推理成本之間的平衡，可能越來越成為開發者和企業選擇模型的關鍵。