AREX Feed Article
Grok 4.6 上线 Devin：Cognition 自评超越 GPT-5.6 Sol、仅次于两款 Claude
北京时间 8 月 13 日 00:38，Cognition 在 X 上：Grok 4.6 现已可用于 Devin。按官方口径，相比 Grok 4.5 是「显著改进」（significant improvement），在自家基准 FrontierCode 1.1 上超越 GPT-5.6 Sol，只排在 Claude Opus 5 与 Claude Fable 5 之后。
是 Devin 的开发商，其账号简介自称「第一个 AI 软件工程师」的制造者。xAI 于北京时间 8 月 12 日晚发布 Grok 4.6，定价 $2/M 输入、$6/M 输出 token，先接入 Cursor、Grok Build、API 及 OpenRouter、Vercel、Cloudflare 等渠道（）。Devin 是这串渠道之外的最新一站。
61.3 分，FrontierCode 榜单上压过 GPT-5.6 Sol
「超越 Sol、只落后 Opus 5 和 Fable 5」这一排序，是 Cognition 在 FrontierCode 1.1 上得出的。将这套基准定义为「按真实世界工程任务的质量与可合并性（mergeability）给模型打分的专有基准」。官宣推文附带的完整榜单（满分 100）是：
- Claude Fable 5：64.9
- Claude Opus 5：63.6
- Grok 4.6：61.3
- GPT-5.6 Sol：60.6
- Claude Opus 4.8：59.6
- Kimi K3：58.2
- GPT-5.5：56.7
- Grok 4.5：56.5
- Claude Sonnet 5：56.2
- GPT-5.6 Terra：55.8
- SWE-1.7：54.3
Grok 4.6 比 Grok 4.5 高出 4.8 个百分点。xAI 的发布页也列出同一基准的 Extended 版本分数：Grok 4.6 为 61.3%、GPT-5.6 Sol 为 60.6%、Fable 5 为 63.6%，与 Cognition 的榜单一致。两份数字都出自当事方自己的评测。
Cognition 在里把 4.6 在 Devin 内的强项讲得更具体：「在触碰任何代码之前，特别擅长彻底的代码探索与根因分析」（thorough code exploration and root cause analysis before touching any code）。博客补充了两条：擅长匹配仓库既有约定，测试环节保持严格。
ZedgaGhost（账号简介自称支付行业 lead engineer）说：「『root cause analysis before touching any code』这句才是真正的头条。我清理 agent 产出的工作，有一半是在撤销过早的修改。」
NVIDIA 称训练与推理都在 GB300 NVL72 上
NVIDIA 官方账号于北京时间 8 月 13 日 00:27 ，补上了硬件细节：Grok 4.6「在 NVIDIA GB300 NVL72 上训练与运行，通过 NVLink 提供卓越的性能、可靠性以及最低的 token 成本」（running and trained on NVIDIA GB300 NVL72 with NVLink）。
按 NVIDIA 的说法，4.6 的训练和推理都在 GB300 NVL72 这套平台上完成；「最低 token 成本」与 xAI 公布的 $2/$6 定价相互呼应，但这是 NVIDIA 的单方声明。这条祝贺帖的发布时间比 Cognition 的 Devin 官宣早 11 分钟，祝贺针对的是模型发布本身。
Musk：Grok 4.7 会超过现有所有模型
Elon Musk（@elonmusk）在 Cognition 官宣帖下（北京时间 02:24），一次写下三个判断：Grok 4.7 将超过现有所有模型（will exceed all current models）；Anthropic 是家出色的公司，很可能很快发布改进后的模型；SpaceX 的训练语料「太棒且独一无二」，若哪个模型在真实世界工程上比 4.7 更强，他会「震惊」。
这些目前都是预测：回复里没有 4.7 的时间表，也没有评测数据；SpaceX 语料的独特性出自他本人的说法。第二个判断给「超过所有模型」的说法留了后门：Anthropic 可能很快更新。
立即可用的是 4.6，待验证的是 4.7
Devin 博客写的是 now live：Grok 4.6 已在 Devin Desktop 与 Devin CLI 生效，用户现在就能切过去用。榜单顺序也有人质疑：创始人兼投资人、早年在 Uber 任职的 Martin Hedevåg Cognition：「仍然想不通 Opus 5 怎么会排在 Sol 前面，按个人体验，差得远。」
待验证的部分同样明确：FrontierCode 1.1 是 Cognition 制定和维护的自有基准，61.3 分是自报数据；Musk 的 Grok 4.7 没有日期。现在能立刻核实的，是 Devin 里的 Grok 4.6 是否真如官宣所说：先查根因，再动代码。