AI 快讯 | xAI 发布 Grok 4.6：AA 智能指数 61 追平 GPT-5.6 Sol，专注长程 Agent 与视觉交互

KolaByte · 2026 年8 月 27 日 08:11

xAI 发布 Grok 4.6：专注长程 Agent 与视觉交互，AA 智能指数 61 追平 GPT-5.6 Sol，价格仅对手零头！

2026 年 8 月 12 日，SpaceXAI 正式发布 Grok 4.6——距离 Grok 4.5（7 月发布）仅一个月，这一次不再是"纯智能跃升"的叙事，而是专为长程 Agent 任务、跨代码库工作、以及更具野心的视觉与交互项目打造。官方定位明确：这不是一个参数更大的模型，而是一个训练配方更强的模型。

一句话核心

Grok 4.6 是 SpaceXAI 的旗舰推理模型——在 Artificial Analysis Intelligence Index 上拿到 61 分（与 GPT-5.6 Sol 打平、仅次于 Claude Fable 5 的 62 分），专注长程 Agent、复杂编码与视觉交互项目，API 定价 $2/$6 每百万 token，并有 2 倍速的 Fast 变体。

训练与参数

官方口径：训练配方而非模型规模

Grok 4.6 官方公告没有披露参数规模。社区报告存在分歧：一说沿用 Grok 4.5 的 1.5T V9 基础模型（大幅后训练），另一说为更大的 2T 模型。xAI 的叙事核心是"这次发布在训练配方，不在模型大小"。

训练三阶段

阶段	内容
补充训练	比 4.5 更长的补充训练，含精选的模型生成数据（推理 + 高级技术概念）、高质量工程数据、改进的优化器与训练配方
SFT 阶段	用 Grok 4.5 自身重新生成 SFT 轨迹，覆盖不同推理强度、Agent harness、STEM/软件工程/知识工作等领域；用基于模型的检查过滤问题轨迹
RL 阶段	覆盖广泛的 Agentic 任务：通用编码、知识工作，以及内核优化、Web 开发、计算机辅助设计（CAD）等领域专属环境

能力支持

规格项	参数
上下文窗口	500K tokens（API）；256K（Cursor 内）
输入/输出	文本 + 图像输入；文本输出
推理强度	Low / Medium / High（默认）/ XHigh
知识截止	2026-02-01
工具	函数调用、网页搜索、X 搜索、代码执行、集合搜索（RAG）、远程 MCP
标准定价	$2 / 百万输入，$6 / 百万输出
Fast 变体	价格 2 倍（$4 / $12）

Benchmark 表现（来源：SpaceXAI 官方博客）

核心对比表

评测集	Grok 4.6 (High)	Grok 4.5 (High)	GPT-5.6 Sol (Max)	Claude Fable 5 (Max)
AA Intelligence Index	61	56	61	62
GDPVal-AA v2	1753	1526	1728	1741
CursorBench v3.2	69.9%	66.7%	67.2%	70.5%
DeepSWE v1.1	65.9%	54%	73%	70%
FrontierCode v1.1 (Extended)	61.3%	56.6%	60.6%	63.6%
APEX-Agents	57.5%	47.1%	56.7%	59.2%
Terminal-Bench v3.0	26%	15.7%	34.6%	34.1%
APEX-SWE	56.4%	53.6%	—	58.8%
AA-Briefcase	1577	1313	1502	1574
Harvey LAB (Vals)	15.8%	12.9%	2.5%	11.3%

官方数据要点

AA Intelligence Index = 61，与 GPT-5.6 Sol 打平（官方柱状图：Fable 5 Max 62 / Grok 4.6 61 / GPT-5.6 Sol Max 61 / Grok 4.5 High 56）。

AA-Briefcase 1577（仅次 Opus 5 的 1574→实为领先），GDPVal-AA 1753（超过 GPT-5.6 Sol 1728 与 Fable 5 1741）——知识工作与代理执行是 Grok 4.6 的最强项。

Harvey LAB 15.8%（法律专业评测）大幅领先 GPT-5.6 Sol 的 2.5%，是 Grok 4.6 的惊喜表现。

独立验证（Artificial Analysis 数据）

模型	AA Intelligence Index	每个任务成本
Grok 4.6 (High)	61	$0.84
Grok 4.6 (XHigh)	60	$1.04
Grok 4.6 (Medium)	59	$0.67
Grok 4.6 (Low)	52	—
Grok 4.5 (High)	56	$0.36

独立数据交叉验证：Grok 4.6 每完成一个指数任务成本约 $0.84，对比 GPT-5.6 Sol 的 $1.23、Claude Opus 5 的 $2.34——接近同级智能下最便宜的选择之一。

硬核实测亮点（来源：官方 + 社区）

1. 长程 Agent 能力：从想法到可运行应用

xAI 官方强调 Grok 4.6 在"把宽泛产品想法变成可用初版"上尤其强：能研究陌生领域、搭建应用结构、实现核心交互、通过多轮反馈持续打磨。更长的轨迹上开始出现自我测试与验证——在继续前检查自己的工作。

2. 视觉与交互项目：一次成形

Grok 4.6 在视觉和交互项目上的初版质量显著优于 Grok 4.5。给定一个具体产品想法，它能一次建立应用的结构和视觉语言。

3. 安全与能力校准

官方表示 Grok 4.6 的安全保障已按模型能力提升而校准，部署前测试套件是史上最广的一批（含能力 + 安全校准 + 广泛部署后与第三方测试）。在漏洞修补、加速工程设计周期、增强 AI 研究等合法场景中保持有用与安全。

价格详情

API 定价

项目	价格
标准输入	$2 / 百万 token
标准输出	$6 / 百万 token
Fast 变体	2 倍价格（$4 / $12）
Grok Build / Cursor 首周	2 倍赠送用量

成本竞争力（AA 独立数据）

模型	智能指数	每任务成本
Grok 4.6	61	$0.84
GPT-5.6 Sol	61	$1.23
Claude Opus 5	62	$2.34

与 GLM-5.3-Flash（折扣后 $0.045/任务）相比，Grok 4.6 单任务成本约高 18 倍，但智能指数高 4 分——两者定位不同：Grok 4.6 面向高上限长程任务，GLM-Flash 面向极致性价比。

与竞品对比

同级旗舰横向对比

维度	Grok 4.6	GPT-5.6 Sol	Claude Fable 5
AA Intelligence Index	61	61	62
上下文	500K	—	—
输入价格	$2/M	更高	更高
输出价格	$6/M	更高	更高
主打	长程 Agent + 视觉交互	通用前沿	通用前沿
发布方	SpaceXAI	OpenAI	Anthropic

与 Grok 4.5 的代际提升

评测集	Grok 4.5	Grok 4.6	变化
AA Intelligence Index	56	61	+5
GDPVal-AA v2	1526	1753	+227
DeepSWE v1.1	54%	65.9%	+11.9pp
CursorBench v3.2	66.7%	69.9%	+3.2pp
APEX-Agents	47.1%	57.5%	+10.4pp
AA-Briefcase	1313	1577	+264

一个月内的代际提升集中在长程 Agent 与知识工作：GDPVal +227、AA-Briefcase +264、DeepSWE +11.9pp——正是 Grok 4.6 主打的赛道。

注意事项

发布页 vs 独立数据有微妙差异：官方称 AA Intelligence Index 61，独立数据交叉验证为 61（High）；但 DeepSWE 官方 65.9% vs 独立 66.1%（Grok 4.5 口径）需注意设置差异
高推理强度下成本上升：XHigh 每任务成本 $1.04，比 High 高约 24%；低推理（Low）智能降至 52
首字延迟略高于 4.5：换更高分数的代价
上下文上限因渠道而异：API 500K，但 Cursor 内仅 256K
知识截止 2026-02-01：超过该日期的新信息需依赖联网工具
参数规模未披露：官方未公布总参/激活参数

总结

Grok 4.6 不是一次"更大模型"的发布，而是一次"更会干活"的发布——把 Grok 4.5 的 SFT 与 RL 配方全面重做，聚焦长程 Agent、跨代码库工作与视觉交互。结果是在 AA Intelligence Index 上与 GPT-5.6 Sol 打平（61），在 AA-Briefcase、GDPVal 等知识工作基准上甚至领先，而价格只有竞品零头，还带 2 倍速 Fast 变体。

适合场景：

长程研究 / 跨代码库 Agent 任务
从产品想法到可运行应用的快速原型
视觉与交互项目（网站、应用 UI）
预算敏感但需要前沿智能的 Agent 构建者

官方资料

官方博客：x.ai/news/grok-4-6
API 文档：docs.x.ai
独立评测：Artificial Analysis - SpaceXAI
免费体验：x.ai/build