8 月 12 日，xAI（现名 SpaceXAI）发布 Grok 4.6。官方给它的定位只有一句话：在 Grok 4.5 基础上，把重点放在「长程运行的 agent」和「更宏大的交互式与视觉工作」上。独立评测机构 Artificial Analysis 同日公布的数据提供了具体参照：Grok 4.6 在其智能指数上拿到 61 分，与 OpenAI 的 GPT-5.6 Sol 持平，同时把输出 token 价格压到了后者的五分之一。
独立评测同为 61 分，领先项目集中在 Agent 任务
xAI 官方博客称 Grok 4.6「在 Artificial Analysis 智能指数上追平 GPT-5.6 Sol」。Artificial Analysis 同日发布的独立评测也给出了相同结果：两者同为 61 分。该指数是九项评测的复合分——GDPval-AA v2、τ³-Banking、Terminal-Bench v2.1、SciCode、Humanity's Last Exam、GPQA Diamond、CritPt、AA-Omniscience 与 AA-LCR——综合覆盖推理、知识、数学、编码和 agent 工具使用。
61 分使它接近该指数的领先模型，但还不是最高分：仍落后于 Anthropic 的 Claude Opus 5（63 分）和 Claude Fable 5（62 分），仅以微弱优势领先 Moonshot 的 Kimi K3。相比 Grok 4.5 的 56 分，本次提升 5 分；相比 Grok 4.3 则高出 23 分。
提升最集中的地方在 agent 维度。GDPval-AA v2（真实世界 agent 知识工作的 Elo 分）拿到 1753，仅次于 Claude Opus 5，与 Claude Fable 5、Qwen3.8 Max 的置信区间重叠；τ³-Banking（多轮客服与工具调用）50.7%，与 Qwen3.8 Max（51.3%）并列前二；Terminal-Bench v2.1（终端软件任务）88.4%，与领先模型持平。Artificial Analysis 的概括是：很少有模型能同时在知识工作、客服和终端使用三类任务上保持竞争力。
输出每百万 token 6 美元，长程测试所需回合也更少
Grok 4.6 维持 Grok 4.5 的定价：输入 $2/M、输出 $6/M（M 指百万 token），另有一个价格翻倍的 fast 变体；缓存命中价从 $0.3/M 上调至 $0.5/M。作为对照，Claude Opus 5 为 $5/$25，GPT-5.6 Sol 为 $5/$30。Artificial Analysis 测算每个智能指数任务成本约 $0.84，与 Kimi K3 持平但智能分略高，因此位于「智能 vs 每任务成本」的帕累托前沿，即在这组被测模型中，没有其他模型同时得分更高、每任务成本更低。
测试也比较了完成任务所需的回合数。在 AA 的私有长程 agent 知识工作基准 AA-Briefcase 上，Grok 4.6 拿到 Elo 1577——Artificial Analysis 称其为「Fable 5 档」，仍在 Claude Opus 5 家族之下——但完成任务平均只用了约 53 回合、约 0.5B 输入 token，而 Claude Opus 5（max）需要约 103 回合、约 2.0B 输入 token。长程 agent 任务中上下文会随回合快速累积，减少回合数和输入 token，可能在单价之外进一步降低成本。不过，Grok 的该项质量得分仍低于 Opus 5，比较效率时需要同时考虑结果质量。
官方称增加补充训练，并扩展 Agent 强化学习任务
xAI 没有在官方博客里披露参数量。7 月 28 日 Musk 的路线图把 Grok 4.6 描述为 1.5T、复用 Grok 4.5 的 V9 基础架构，但正式发布文档未确认这一数字。训练方法上，官方描述了三步：更长的补充训练（筛选后的模型生成数据与高质量工程数据，加上改进的优化器和训练配方）；用 Grok 4.5 重新生成 SFT 轨迹（覆盖推理强度、Agent 运行框架、STEM、软件工程、知识工作，并用基于模型的检查过滤问题轨迹）；以及在更广的 agentic RL 任务上训练（知识工作、通用编码，以及内核优化、Web 开发、计算机辅助设计等特定环境）。
官方博客还提到两个行为层面的观察：更长轨迹上模型「开始更多自测与验证」，以及视觉/交互式项目「首轮产出强于 Grok 4.5」。这两点目前只有厂商描述，没有第三方评测佐证。
基础设施方面，NVIDIA 同日确认 Grok 4.6 在 GB300 NVL72 上以 NVLink 训练和运行。渠道上，模型首发接入 Cursor 与 Grok Build（首周双倍用量），并通过 API、OpenRouter、Vercel、Cloudflare 提供。
单项综合分持平，不代表所有任务能力相同
理解此次发布，还需注意四点。其一，61 分追平 GPT-5.6 Sol 是「追平一个点」而非全面领先：它在长程 agent 的 AA-Briefcase 上仍低于 Claude Opus 5 家族，「性价比前沿」不等于「能力前沿」。其二，参数量未获正式披露，1.5T 只有 Musk 路线图口径。其三，「视觉/交互更强」「更多自测」是厂商自报。其四，缓存命中价上调（$0.3→$0.5/M）意味着高频复用场景的实际成本改善小于标价暗示的幅度。
较低单价与任务效率，为成本敏感的用户提供新选择
Grok 4.6 的参照系是一个正在成形的分层市场：Anthropic 以 Claude Opus 5/Fable 5 占据能力与长程 agent 的顶端；GPT-5.6 Sol 以 61 分、$5/$30 守住 OpenAI 的前沿定价；Qwen3.8 Max（$2/$6）与 DeepSeek V4 Pro（开源权重、定价更低）以更低的价格参与竞争。Grok 4.6 在这组模型中的位置是：以 GPT-5.6 Sol 级别的智能分、Anthropic 之下的价格，承接需要长程 agent 又对成本敏感的工作负载。
xAI 已把 Grok 4.7（路线图称 2.1T）排在「数周后」。对观察者而言，接下来可以观察两件事：Grok 4.6 的回合效率优势能否在真实客户的长程工作负载中复现，并保持足够的任务质量；以及 Anthropic 与 OpenAI 面对「同分低价」的新对手时，是否会调整定价。这些变化将决定较低价格和更少回合，能否转化为实际的市场优势。
