Grok 4.6正式发布，多项基准测试逼近顶尖模型

8月12日，SpaceXAI正式发布Grok 4.6。官方表示，新模型在Grok 4.5基础上进行了进一步升级，重点强化长时间运行的Agent任务，以及更复杂的交互式和视觉类工作。

相比上一代，Grok 4.6更加注重处理需要多步骤持续执行的复杂任务，包括信息研究、数据分析、代码库开发，以及从一个产品创意直接构建出可运行的应用或工作成果。SpaceXAI表示，在较长任务链中，Grok 4.6还展现出更强的自我测试和验证能力，会在继续执行前主动检查工作结果。

在性能方面，Grok 4.6在多项Agent编程和知识工作基准测试中达到前沿水平。其中，Artificial Analysis Intelligence Index综合九项基准测试，Grok 4.6获得61分，与GPT-5.6 Sol持平；在GDPVal-AA v2、CursorBench v3.2、DeepSWE v1.1、FrontierCode v1.1等测试中，也展现出较强竞争力。不过，在部分编码测试中，Grok 4.6仍落后于GPT-5.6 Sol或其他顶尖模型。

训练方面，Grok 4.6进行了比Grok 4.5更长的补充训练，加入模型生成的推理和高级技术数据、高质量工程数据，并改进优化器和训练方案。随后，SpaceXAI利用Grok 4.5重新生成不同推理强度、Agent框架以及STEM、软件工程和知识工作领域的SFT训练轨迹，并进一步进行筛选和强化学习训练。

值得关注的是，Grok 4.6此次明显强化了“从想法到产品”的能力。SpaceXAI表示，用户给出一个较为宽泛的产品创意后，模型可以自行研究陌生领域、规划应用结构、实现核心交互，并根据反馈持续迭代。对于视觉和交互式项目，其首轮生成效果也较Grok 4.5明显提升。

目前，Grok 4.6已经登陆Cursor、Grok Build，同时开放API，并支持OpenRouter、Vercel和Cloudflare等合作平台。API价格从每百万输入Token 2美元、每百万输出Token 6美元起，快速版本价格为其两倍。SpaceXAI还宣布，Grok Build和Cursor首周提供两倍的包含用量。

从此次升级来看，Grok 4.6并非单纯追求聊天和推理能力，而是进一步把重点放在“长任务Agent”和“直接完成工作”上。随着AI竞争从模型能力逐渐转向实际执行能力，Grok 4.6能否凭借更强的持续工作能力，在Agent赛道进一步追赶OpenAI、Anthropic等竞争对手，值得持续关注。