马斯克Grok 4.6亮相！性能追平GPT-5.6 Sol、API价格砍半
马斯克旗下SpaceXAI(原xAI)周三(12日)正式推出新一代旗舰模型Grok 4.6, 将主要升级方向锁定长时间运行的AI代理(Agent)、複杂程式设计、知识工作及互动与视觉任务。SpaceXAI表示, Grok 4.6在多项前沿模型测试中已进入第一梯队, 同时以每100万个输入Token 2美元、输出Token 6美元的价格切入市场, 约为部分竞争对手的一半, 企图以高性能+低成本策略抢攻开发者市场。
SpaceXAI在官方公告中表示, Grok 4.6是在Grok 4.5基础上进一步强化, 特别针对长时间运行的Agent及更具挑战性的互动、视觉工作。新模型可以处理需要多步骤执行的研究工作、程式码库分析及应用程式开发, 并在更长的任务过程中进行自主测试与验证, 让模型不只是回答问题, 而是能持续完成一项完整工作。
SpaceXAI指出, Grok 4.6接受比Grok 4.5更长的补充训练, 训练资料包括经过筛选的模型生成推理资料及高品质工程资料, 同时改进最佳化器与训练方法。公司并利用Grok 4.5生成不同推理强度、Agent框架以及STEM、软体工程和知识工作等领域的SFT轨迹, 再透过强化学习训练Grok 4.6执行通用程式设计、知识工作、核心程式最佳化、网页开发及电脑辅助设计等任务。
这次升级最受市场关注的之一, 是Grok 4.6在Artificial Analysis Intelligence Index取得61分, 与OpenAI的GPT-5.6 Sol并列。Artificial Analysis指出, 该指数综合多项测试, 用来评估模型在数学、科学、程式设计与推理等不同能力的整体表现。Grok 4.6因此进一步缩小与顶级模型之间的性能差距。
在GDPVal-AA v2测试中, Grok 4.6则取得1,753 Elo, 高于GPT-5.6 Sol的1,728分及Anthropic旗下Claude Fable 5的1,741分。这项测试着重于具有实际经济价值的专业工作, 包括不同职业与产业的知识工作任务, 更接近企业实际导入AI代理后可能面对的工作场景。
不过, Grok 4.6并非在所有评测中都取得第一。SpaceXAI公布的其他测试显示, 新模型在CursorBench v3.2取得69.9%, 高于Grok 4.5 High的66.7%; FrontierCode v1.1达61.3%, 高于前代56.6%; APEX-Agents达57.5%, 高于前代47.1%; APEX-SWE为56.4%, 高于前代53.6%; AA-Briefcase则由前代1,313分提升至1,577分; Harvey LAB也由12.9%提高至15.8%。
在部分测试中, 竞争对手仍然领先, 因此较準确的说法是Grok 4.6已在多项Agent、程式设计及知识工作测试进入顶级模型行列, 而非全面击败所有竞争模型。Artificial Analysis的排名也会随模型新增与测试更新而变动, 因此SpaceXAI公布的排名主要反映发布时点的横向比较。
除了模型性能, Grok 4.6的价格策略更可能成为AI产业下一阶段竞争的焦点。SpaceXAI将标準API价格设定为每100万个输入Token 2美元、每100万个输出Token 6美元, 并提供速度更快、价格约为两倍的版本。公司宣称, 标準版本价格约为其他前沿模型的一半。
这项定价策略将Grok 4.6直接推向开发者及企业AI市场。相较之下, 市场目前对前沿模型的竞争已逐渐从单纯比拚基準测试, 延伸到每次推理成本、Token效率、速度以及能否完成实际工作的能力。当模型性能逐渐接近时, 相同工作究竟需要多少运算成本, 很可能成为企业选择模型的重要因素。
不过, API单价并不代表所有任务的最终成本都会同比下降。不同模型的Token消耗、推理强度、任务执行时间以及Agent需要呼叫多少次工具, 都会影响实际使用成本。因此, Grok 4.6的半价主要是API标价上的比较, 并不意味着所有应用场景的总成本都一定低50%。
SpaceXAI也同步扩大Grok 4.6的开发者通路。新模型已提供给Cursor、Grok Build及API使用, 并透过OpenRouter、Vercel及Cloudflare(NET-US)等平台与服务商提供。SpaceXAI表示, 上线首周Cursor与Grok Build用户可获得2倍包含用量, 让开发者能以更低门槛测试新模型。
这也延续SpaceXAI近几个月积极抢攻AI程式开发市场的策略。公司7月推出Grok Build开源版本, 将旗下程式设计Agent的核心框架公开, 包括上下文组装、工具调用、程式码读取与修改、命令执行、技能、插件及子Agent等功能, 并允许开发者在本地环境运行。
Grok Build原先已被SpaceXAI定位为面向专业软体工程与複杂程式设计工作的Coding Agent, 使用者可以先让模型规划工作, 再审核与批准执行计画, 每次程式码修改也会以差异档案方式呈现。Grok 4.6此次进一步强化Agent能力, 等于为这套开发工具提供更强大的模型引擎。
SpaceXAI此次还特别强调, Grok 4.6在把想法变成产品方面有明显提升。面对一个模糊的产品概念, 模型可以先研究陌生领域, 设计应用架构, 建立核心功能, 再根据测试结果及使用者回馈进行多轮修改。在视觉及互动式专案中, 新模型也能更快产出完整的第一版成果。
这种能力反映AI模型竞争正从问答走向执行。过去大模型主要以回答问题、生成文字或程式码作为能力展示, 现在OpenAI、Anthropic、Google及SpaceXAI等业者都逐步把Agent能力视为下一个竞争战场, 希望模型能自行使用工具、拆解任务、修改成果并完成长时间工作。
Grok 4.6在GDPVal-AA v2的表现尤其符合这项趋势。SpaceXAI公布的1,753 Elo不只是一般知识问答成绩, 而是来自需要模型在Agent环境中完成实际专业工作的测试, 因此公司试图藉此证明新模型不只是聊天能力提升, 而是已能处理更接近企业工作流程的任务。
马斯克也迅速在社群平台X为新模型造势。他转发Grok 4.6取得1,753 Elo及在多项测试领先的相关内容, 并对新模型作出高度评价。这也是马斯克近期持续亲自推广Grok产品的最新例子。
从产业竞争角度来看, Grok 4.6的推出时间也值得注意。Grok 4.5才在7月16日发布, SpaceXAI不到一个月便推出下一代版本。Grok 4.5当时已将程式设计、Agent任务及知识工作列为主要能力, 并强调与Cursor共同训练, 显示SpaceXAI正在快速缩短模型迭代週期。
SpaceXAI近期也持续把Grok从聊天机器人扩展为完整AI工作平台。7月推出的Automations功能允许使用者设定一次工作, 之后让Grok按照排程或收到电子邮件等触发条件自行执行, 并回报结果; 5月推出的Connectors则让Grok直接连接企业及个人使用的应用程式, 执行读取电子邮件、整理文件、更新简报、管理行事曆及编辑试算表等工作。
因此, Grok 4.6的真正战略意义可能不只是与GPT或Claude比拚排行榜, 而是SpaceXAI正试图建立从模型、Agent、Coding工具到第三方开发平台的完整生态系。若低API价格能够吸引大量开发者, 再透过Cursor、Grok Build、OpenRouter及云端平台扩大使用, SpaceXAI便有机会在模型之外取得更大的开发者入口。
不过, 低价策略也代表SpaceXAI必须承担更高的运算成本压力。前沿模型的训练与推理都需要大量GPU及资料中心资源, 若模型价格持续下探, AI业者必须依靠更高的使用量、更高的Token效率或其他商业模式来支撑毛利率。这也意味着Grok 4.6的价格战不只是争取市占率, 同时也是对SpaceXAI基础设施效率的一项考验。
对开发者而言, Grok 4.6的吸引力则在于它同时提供前沿级性能与相对低廉的API价格。若其在实际工作中的Token效率及任务完成率能够维持目前的测试表现, 开发者可能更愿意把Grok纳入程式设计、研究、资料分析及企业Agent工作流。
而对OpenAI与Anthropic等竞争对手而言, Grok 4.6也进一步加剧前沿模型价格压力。当新模型在部分专业工作测试中已能取得领先, 同时API价格又明显较低, 市场竞争就不再只是谁的模型最聪明, 而是谁能以最低成本完成最多工作。
目前Grok 4.6已经可以透过API以及部分开发者平台使用, 但不同平台的可用方式与方案可能有所差异。SpaceXAI此次发布的重点也主要放在开发者与Agent应用, 而非单纯消费者聊天产品的更新。
整体而言, Grok 4.6显示SpaceXAI正在把AI竞赛的战场从单一模型性能, 推向长时间Agent执行能力、程式设计、知识工作及推理成本。61分的Artificial Analysis Intelligence Index与1,753 Elo的GDPVal-AA v2成绩, 让Grok进一步站上前沿模型竞争舞台; 每100万Token输入2美元、输出6美元的价格, 则是SpaceXAI试图扩大市场渗透率的另一张王牌。
随着模型能力差距逐渐缩小, AI产业下一阶段的胜负关键可能从谁拥有最高分转向谁能以更低成本完成更多工作。Grok 4.6此次同时押注性能与价格, 能否真正转化为开发者使用量与企业採用, 将决定这场AI模型价格战究竟只是一次产品攻势, 还是成为SpaceXAI抢进前沿AI市场的重要转折点。