7 月 28 日，Elon Musk 在 X 上以一条不到 50 词的帖子，公布了 xAI 未来一个月的模型发布路线图：Grok 4.6 约在 8 月 7 日发布，是 1.5 万亿参数模型，监督微调（SFT）与强化学习（RL）显著改进；Grok 4.7 将在数周后推出，2.1 万亿参数，「在各方面都优于 4.6，只是推理稍慢，但 token 效率更高」。
同帖中 Musk 引用了 Vercel CEO Guillermo Rauch 发布的 deepsec.sh 基准测试结果——Grok 4.5 在网络安全漏洞检测中以性价比胜出：分数接近 Kimi K3，成本仅为 GPT-5.6 Sol 的十分之一、Claude Opus 5 的 5.7 分之一。两条消息并列发布，意图明确：xAI 不仅在技术路线上有自己的节奏，在成本维度上也已经构成实质性竞争。
但最值得注意的并非发布日期本身，而是 Musk 在十天内对同一路线图的叙述调整：7 月 18 日他首次提及 Grok 4.6 时称之为「2T model」，而 7 月 28 日正式公告中，Grok 4.6 变成了 1.5T（与 Grok 4.5 共享 V9 基础架构），原本的 2T+ 规模被推迟为 Grok 4.7。这 10 天的变化揭示了一个比发布时间表更重要的策略选择——xAI 正在实践「后训练先行、规模跟进」的迭代方法论。
从「直接跳 2T」到「后训练先行」
Grok 4.5 于 7 月 16 日正式上线，基于 xAI 的 V9 基础模型，官方宣称参数规模约 1.5 万亿。定位明确：专为编程、Agent 任务和知识工作设计，与 Cursor 联合训练。定价 $2/百万输入 token、$6/百万输出 token，服务速度 80 TPS。从官方公布的有限基准对比来看，Grok 4.5 处于「Opus 级别但更快更便宜」的区间——在 SWE-bench 类编程任务上接近 Claude Opus 4.8 和 GPT-5.5，同时 token 消耗量和推理成本显著更低。
仅仅两天后的 7 月 18 日，Musk 在回复中首次提及 Grok 4.6，称之为「2T model」并预计初始训练将在当周完成。当时多家媒体据此报道 Grok 4.6 将是 2 万亿参数模型，目标是超越 Moonshot 约 2.8T 参数的 Kimi K3。但在 7 月 28 日的最终公告中，Grok 4.6 被明确定义为 1.5T 模型，2.1T 被分配给了 Grok 4.7。
这一调整不应简单理解为延期。它反映的是 xAI 对模型迭代路径的实际权衡：在 V9（1.5T）基础训练已完成的前提下，继续投入 SFT 和 RL 后训练可以快速产出一个显著改进的版本（4.6），而不必等待 2.1T 基础模型的完整训练周期。xAI 在 Grok 4.5 的官方博客中描述了其 RL 训练体系——覆盖数十万个任务、以多步软件工程为中心、采用高度异步架构使 Agent 回滚可以在数万 GPU 上运行数小时——这为「同一基础模型 + 强化后训练 = 新版本」提供了工程基础。
这意味着 Grok 4.6 并非参数规模的跃升，而是训练质量的跃升。当行业习惯用参数数量衡量代际进步时，xAI 正在用发布节奏本身证明：后训练改进足以定义一个独立版本。
公开参数规模：在透明度洼地建立信号
xAI 公开 Grok 4.5 为 1.5T、Grok 4.7 为 2.1T，这一行为在 2026 年的行业语境下本身就是一种立场表达。
Stanford HAI 发布的 2026 年 Foundation Model Transparency Index 显示，主流模型开发者的平均透明度评分从上一年的 58 分降至 40 分，连续两年的改善趋势被逆转。训练代码、参数规模、数据集大小和训练时长等此前逐步公开的指标，在多个前沿模型中重新变为未披露状态。OpenAI 自 GPT-4 起不再公开参数规模，GPT-5.6 系列的参数完全未知。Anthropic 的 Claude Opus 5 系统卡同样不包含参数数量。Google DeepMind 的 Gemini 系列也未披露完整架构尺寸。
Musk 选择在 X 上直接公布参数规模和发布日期，与竞品的信息管控形成鲜明对比。这不只是个人风格问题——xAI 的最新融资（2026 年 1 月 Series E $200 亿）和 SpaceX IPO 使其处于资本市场的高度关注之下，参数规模的可验证增长为「全球最大 AI 训练集群」的叙事提供了可量化的产出指标。但需要注意的是，公开参数规模不等于实质透明：xAI 未公开架构细节（密集还是 MoE）、训练数据构成、安全测试结果，也未发布完整的模型卡。截至目前，Grok 4.5 在 SWE-bench Verified 等关键公开基准上的官方数据仍不完整。
deepsec.sh 基准：性价比维度的不对称竞争
Rauch 发布的 deepsec.sh 基准测试为 Grok 的价值主张提供了独立验证。DeepsecBench 在一个包含 231 个已知漏洞的真实代码库上评估模型的安全扫描能力，评分以 F2 分数计算（召回率权重为精确率的两倍）。
Grok 4.5 在 high 推理设置下得分 15.58，成本仅 $5.60；相比之下，GPT-5.6 Sol 在 xhigh 设置下得分 35.58（2.3 倍），但成本高达 $55.98（10 倍）。Kimi K3 得分 17.56，成本 $12.38（2.2 倍）。换句话说，在安全扫描这一垂直任务上，Grok 4.5 的「单位美元得分」约为 GPT-5.6 Sol 的 4.3 倍。
但 benchmark 故事的另一面同样值得留意：GPT-5.6 Sol 的绝对分数仍然是最高，且其 precision（96.3%）远超 Grok 4.5（77.8%），意味着 Grok 会产出更多误报。在实际部署中，误报率直接影响安全工程师的工作量——一个节省 API 费用但增加人工审核成本的扫描方案，未必像单价对比看起来那么划算。
此外，Anthropic 的安全专长在 DeepsecBench 上也体现为一种缺席：Fable 5 直接拒绝执行安全扫描任务。这恰好衬托出 Grok 4.5 的产品定位——不做拒绝回答的「安全模型」，而是做性价比足够好、什么都能干的工作模型。
Colossus：基础设施如何兑现迭代节奏
xAI 的两周迭代节奏能否持续，最终取决于其训练基础设施。Colossus 超算集群目前运行超过 55 万块 NVIDIA GPU——包括 GB200 和最新的 GB300——分布在 Memphis 地区的三个数据中心，总电力容量约 2 GW。Colossus 2 于 2026 年 1 月成为全球首个 GW 级 AI 训练集群，GPU 采购总额估计约 $180 亿。
Grok 4.5 官方博客提到其训练跨越「数万块 GB300 GPU」，同时支持高度异步的 RL 训练——Agent 回滚可运行数小时而学习过程不中断。这种基础设施使得 xAI 可以同时训练多个模型（Musk 此前表示同时在训练 7 个模型，从 1T 到 10T 参数不等），从而将基础模型训练和后训练改进并行化。
但这种节奏的可持续性面临两个约束。第一，电力。2 GW 的数据中心集群在 Memphis 引发了对电网负荷和环境的担忧，进一步扩容需要新的发电基础设施。第二，资本。$180 亿 GPU 投资需要持续的用户增长和 API 收入来支撑——Grok 4.5 的低定价策略（仅 $2/$6 每百万 token）有利于获取市场份额，但对短期盈利能力构成压力。
两周迭代的代价：安全评估跟得上吗
Musk 的路线图承诺约四周内连续发布两个模型版本，这种速度在 AI 行业几乎没有先例。OpenAI 的 GPT-5 系列迭代周期以季度计，Anthropic 的 Claude Opus 系列间隔约 3-6 个月。两周迭代带来了一个无法回避的问题：安全评估是否跟得上。
ROIC.ai 在报道中引用了一位匿名机器学习教授的观点：「以这种速度迭代，红队测试不够充分的风险是真实存在的。」xAI 尚未发布 Grok 4.5 的完整安全测试报告或第三方审计结果，也未说明 4.6 和 4.7 将经历什么级别的安全评估。在美国政府近期已对多款前沿模型（包括 GPT-5.6 Sol 和 Claude Mythos 5）施加管控措施的背景下，快速迭代可能引发监管关注。
不过，将安全问题简单归因于速度并不准确。Grok 4.5 发布时，xAI 强调其训练数据经历了严格的过滤和去重——去重、质量评分、领域聚焦选择——以确保数据混合保持高覆盖和高信号。这套数据管线如果能延续到后续版本，至少能为内容安全提供基础保障。真正的盲区在于 Agent 能力——当模型具备自主执行多步骤任务的能力时，安全测试需要覆盖的不是单轮对话而是数小时的回滚轨迹，这对任何速度的迭代都是挑战。
值得观察的下一变量
Musk 公布的时间表存在固有的不确定性——他在帖子中使用了「around August 7」和「a few weeks later」等措辞，且 xAI 过去的产品发布经常晚于 Musk 在社交媒体上的预告。Grok 4.5 从 Musk 首次提及到正式上线间隔约三周，Grok 4.6 的时间窗口更窄。
两个关键检验点将决定这次路线图对行业的影响程度。第一，8 月 7 日前后 Grok 4.6 是否能按时发布，以及「显著改进的 SFT 与 RL」是否在可量化的基准（而不仅是公司自选的测试）上体现出可感知的提升。第二，Grok 4.7 的 2.1T 参数规模能否在合理延迟和成本下实际可用——当模型参数从 1.5T 跃升到 2.1T 时，token 效率的提升是否足以抵消原始推理成本的增加。
无论结果如何，xAI 已经将「公开路线图 + 快速迭代」确立为一种不同于 OpenAI/Anthropic 的竞争范式。在透明度评分下降的行业环境中，哪怕只是公开参数规模，也已经构成一个有分量的信号。
