Grok 4.6模型发布及初步印象

xAI于2026年8月13日发布了Grok 4.6,定价保持不变,可在Grok Build、Cursor、Grok Bot及API上使用。价格仍为每百万输入令牌2美元、每百万输出令牌6美元。该模型拥有50万令牌的上下文窗口,支持文本和图像输入、文本输出,并具备函数调用、结构化输出和推理能力。Grok 4.6专注于长程代理任务、更密集的交互及视觉工作;更长的运行轨迹显示出更多的自我测试与验证,且初版视觉草稿优于4.5。Artificial Analysis综合指数将Grok 4.6评为61分,与GPT-5.6 Sol Max持平,较Grok 4.5的56分高出5分,比Fable 5 Max的62分低1分。相较于4.5,所有10项指标均有提升:DeepSWE从54%升至65.9%,APEX-Agents从47.1%升至57.5%,Terminal-Bench从15.7%升至26%,GDPVal-AA从1526升至1753,AA-Briefcase从1313升至1577。APEX-SWE增加了2.8分。一名Cursor团队成员使用Grok 4.6进行浏览器导航、功能与视觉质量保证、收件箱分类、起草发布帖及Remotion视频创作。压力测试包括电子表格应用、浏览器游戏《帝国时代2》、MSN Messenger、Excalidraw演示模式、虚构季度董事会报告,以及一段60-90秒的X TypeScript SDK发布视频。报告的优势包括信息摘要密集、小改动时安静处理、多文件更改时提供说明,以及比4.5更快更智能。提示测试发现,“非常努力地工作”等措辞收效甚微;通过具体性提升长度有助于结果;验收标准驱动成效。可自我验证性在网站方面最易实现,3D和视频方面较难,物理任务方面类似。马斯克表示,Grok 4.7预计约一个月后发布,称SpaceX的训练数据独特,并赞扬了Anthropic,但未提及OpenAI。
Key insights
Grok 4.6发布及可用性
Grok 4.6已发布,可在Grok Build、Cursor、Grok Bot及API上使用。定价与Grok 4.5保持一致,为每百万输入令牌2美元、每百万输出令牌6美元。该模型拥有50万令牌的上下文窗口,接受文本和图像输入,生成文本输出,并支持函数调用、结构化输出和推理。
与GPT-5.6及Fable 5的基准对比
Artificial Analysis综合指数将Grok 4.6评为61分,与GPT-5.6 Sol Max持平,较Grok 4.5的56分高出5分,比Fable 5 Max的62分低1分。团队测量的全部十项指标均较Grok 4.5有所提升。DeepSWE从54%升至65.9%,APEX-Agents从47.1%升至57.5%,Terminal-Bench从15.7%升至26%,GDPVal-AA从1526升至1753,AA-Briefcase从1313升至1577。
长程代理及视觉任务增强
Grok 4.6在两方面较4.5有所强化:一是长程代理行为,用于研究、分析、代码库编辑及将想法转化为可用产品;二是更密集的交互与视觉工作,如在迭代前一次性建立应用结构与视觉语言。团队观察发现,在更长的运行轨迹中,模型展现出更多自我测试与验证;在视觉与交互项目中,初版草稿明显优于4.5。
实践报告:信息密度与速度
一名Cursor团队成员连续数周将Grok 4.6作为日常驱动工具使用。其使用场景包括浏览器导航(如点击供应商控制台中的API密钥)、运行中应用的功能与视觉质量保证、收件箱分类、起草发布帖以及制作Remotion视频。用户认为,摘要中包含真实信息而非任务重述,且简短更新足以决定是否中断当前工作。该模型在小改动时保持静默,待多文件更改时进行说明,尽管偶尔仍会输出不必要的内容。用户反馈Grok 4.6速度快且明显比4.5更智能,在结果重要时促使其回归同步工作。
提示风格与验收标准
对比长提示与短提示的测试发现,“非常努力地工作”等措辞对Grok 4.6几乎无增益。较长的提示在增加已知需求的具体性时才有帮助;短提示让模型的品味做出更多决策,而模型品味已显著提升,使其在许多情况下奏效。长规范可从头到尾被遵循,但除非明确区分,否则组件可能重复。最有效的杠杆是定义如何验证工作的验收指令。
可自我验证性作为核心约束
该实践者最普遍的观察是,最困难的任务是那些模型工作难以验证的任务。网站最为容易,因为DOM是文本形式,页面可被读取、截图并与意图核对。3D工作更困难,因为存在无法直接读取的维度。视频则更困难,因为时间维度需跨帧推理。物理任务情况类似,因为单张截图无法判别运动是否正确。
Grok 4.7预期及马斯克声明
马斯克表示,Grok 4.7预计约一个月后发布。他指出,SpaceX的训练数据极为强大且独特,并称若任何模型在真实工程能力上超越4.7,他将感到惊讶。马斯克还赞扬Anthropic是一家伟大的公司,可能很快发布更优模型,但未提及OpenAI。