一句话看懂：SpaceXAI 发布 Grok 4.6，在 Artificial Analysis 智能指数上拿到 61 分，追平 GPT-5.6 Sol，并凭借低价和突出的智能体任务表现重回第一梯队。
事件核心：发生了什么
8 月 12 日，SpaceXAI 正式发布 Grok 4.6。据 Artificial Analysis 评测，Grok 4.6 在智能指数上获得 61 分，比一个月前发布的 Grok 4.5 高出 5 分，较 Grok 4.3 则提升了 23 分。目前该指数第一梯队为 Anthropic 的 Claude Opus 5（63 分）与 Claude Fable 5（62 分），OpenAI 的 GPT-5.6 Sol 同为 61 分，Grok 4.6 与之持平，略高于 Kimi K3。
这代模型的亮点集中在智能体（agentic）能力上：GDPval-AA v2 评测 Elo 为 1753，仅次于 Claude Opus 5；τ³-Banking 得分 50.7%，与 Qwen3.8 Max（51.3%）并列前二；Terminal-Bench v2.1 得分 88.4%，与头部模型持平。价格方面，Grok 4.6 延续了 Grok 4.5 的定价，输入/输出每百万 token 分别收费 2 美元和 6 美元，比 Claude Opus 5（$5/$25）和 GPT-5.6 Sol（$5/$30）低 60% 以上，缓存命中价格则从 0.3 美元上调至 0.5 美元。上下文窗口保持 500k tokens。
为什么重要
Grok 4.6 的意义在于打破了“性能提升必然伴随涨价”的前沿模型定价惯例。它在智能指数上追平 GPT-5.6 Sol，同时每任务实测成本仅 0.84 美元，与 Kimi K3 相当，但智能水平略高，因此同时落在“智能 vs 成本”和多个智能体评测的帕累托前沿上。
更值得注意的是其长程任务效率。在 AA-Briefcase 基准上，Grok 4.6 平均用约 53 轮交互、0.5B 输入 tokens 完成任务，而 Claude Opus 5（max）需要约 103 轮、2.0B 输入 tokens。对于上下文会随任务快速累积的复杂智能体工作流，这种 token 效率带来的成本优势远大于账面单价差异。这也意味着 SpaceXAI 重新回到与 OpenAI、Anthropic 并列的智能前沿位置——尽管在最高分上仍落后于 Anthropic。
对用户/开发者/创作者的影响
对 API 开发者来说，Grok 4.6 是目前性价比最突出的前沿模型之一，尤其在客服、终端操作、数据分析等智能体场景下，能以明显更低的成本获得接近头部模型的完成质量。对需要处理长文档、多轮工具调用的企业用户，其 500k 上下文和更少的交互轮数意味着更低的总成本和更快的任务完成速度。对普通创作者而言，Grok 4.6 的文字生成和推理能力已经进入第一梯队，但它在图像生成、多模态创作上的表现尚未被本次评测覆盖，选型时需区分看待。需要留意的是，缓存命中价格上调可能会影响高频复用同一系统提示词的开发者的账单。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
目前公开信息显示，Grok 4.6 的智能体能力仍以特定评测为主，实际生产环境中的稳定性和延迟有待更多第三方验证。接下来值得观察三点：一是 Claude Opus 5 和 GPT-5.6 Sol 是否会跟进降价或推出更强版本；二是 SpaceXAI 能否在图像生成、语音等多模态方向补齐 Grok 4.6 的能力拼图；三是 Grok 4.6 的 API 在真实长程任务中的 token 消耗是否稳定符合评测数据，直接影响企业采购决策。
