Grok 4.6 并列登顶 Agentic Index：59 分追平 Opus 5 Max，每任务成本 0.84 美元

8 月 17 日，X 账号 changis_k 发布推文称，xAI 的 Grok 4.6 在 Artificial Analysis Agentic Index 上以 59 分并列第一，与 Claude Opus 5 Max 同分。该指数衡量 tool use、planning、autonomy 与复杂问题求解能力，而不是单题作答。推文给出的效率对比是：Grok 4.6 平均约 53 轮、约 5 亿 input token 完成一项任务，Claude Opus 5 Max 要约 103 轮、约 20 亿 token；每任务成本 0.84 美元，落在「智能 vs 每任务成本」的帕累托前沿上（）。也列出了相同结果：Claude Opus 5（Max Effort）59 分、Grok 4.6（high）59 分、Claude Opus 5（Xhigh Effort）58 分。

Grok 4.6 是 xAI 上周发布的前沿模型，定价维持每百万 token 输入/输出 $2/$6；8 月 14 日，宣布它上线 Copilot 的 Pro、Pro+、Max、Business、Enterprise 全部 SKU，称其「为 agentic 编码和复杂多步工作流设计」，内部测试在终端类编码任务与长周期 agentic 工作流上表现强劲；8 月 15 日，。则给出了另一组数字：Intelligence Index 61 分、每任务成本 0.84 美元。如今，它在独立榜单上与 Opus 5 Max 并列榜首。

59 分并列第一：Grok 4.6 与 Opus 5 Max 同登榜首

changkis_k 的简介自称关注 Pre-IPO 与私募市场（@openstocks_hq、@allocationsinc），并非 Artificial Analysis 官方账号；但榜单本身证实了它的说法。按 AA 官方 FAQ，Agentic Index 由 GDPval-AA v2 与 τ³-Banking 两个基准等权平均而成，与 Intelligence Index 同尺度；FAQ 列出的前三名是 Claude Opus 5（Max Effort）59 分、Grok 4.6（high）59 分、Claude Opus 5（Xhigh Effort）58 分。changkis_k 这条推文获得了约 370 万次浏览。

这个位置比 Grok 4.6 在综合智力榜上的排名更靠前。AA 8 月 12 日的分析给出：Intelligence Index 61 分，与 GPT-5.6 Sol（max）持平，排在 Claude Opus 5（max，63）和 Claude Fable 5（max with fallback，62）之后；在 agentic 单项上，GDPval-AA v2 的 Elo 1753 仅次于 Claude Opus 5，与 Fable 5、Qwen3.8 Max 的置信区间重叠，τ³-Banking 50.7% 位居前二，Terminal-Bench v2.1 88.4% 与领先模型持平。AA 的总结是：Grok 4.6 最强的结果来自 agentic 工作，而非静态推理。

同一个 59 分，Opus 5 Max 跑 103 轮，Grok 4.6 只跑 53 轮

changkis_k 推文里最有信息量的是效率对比：53 轮对 103 轮、5 亿对 20 亿 input token、每任务 0.84 美元。这组数字能在 AA 8 月 12 日的文章里找到出处：在 AA-Briefcase（AA 自有的长时程 agentic 知识工作基准）上，Grok 4.6 的 Elo 为 1577，处于 Fable 5 档次、落后于 Opus 5 家族，但「显著省轮次」——文章给出与 changis_k 完全相同的 53 轮/5 亿 vs 103 轮/20 亿 token 对比，并解释：长时程 agentic 任务会快速累积上下文，能以一半轮次、四分之一输入 token 拿到相近答案的模型，成本优势远超单 token 定价本身。

成本端的账在 changis_k 的推文里写得更直白：「企业买 agent 是按完成任务付费，不是按基准分数付费。轮次效率决定长流程在规模上是否付得起。」他的结论是：「两家实验室现在并列该指数榜首，成本结构却完全不同。买家第一次在 agentic 部署上有了真正的价格选择。」

Baker 称「远超 Fable 5」，Musk 却说 Fable 5 整体更聪明

8 月 15 日，播客剪辑账号（简介自称 Podcast Clipper，约 92.6 万粉丝）贴出 Gavin Baker 在 All-In 播客上谈论 Grok 4.6 的片段，并注明完整节目见 @theallinpod。Baker 是，其 X 简介写着 "Managing Partner & CIO, @atreidesmgmt"，并注明 "views my own"。片段里他说：「这相当惊人……你远超 Fable 5，我想多数人会同意它是金标准……几乎没有投资人讨论 Grok，而它在很多指标上帕累托占优……也许人们开始考虑 SpaceX 的时候，也该考虑 Grok。」

Musk 当天回复（，约 1.5 万点赞、约 260 万次浏览）：「值得试试 Grok 4.6。Fable 5 整体上更聪明，但 Grok 快得多、成本更低。Grok 4.7 有很好的机会在智能上超越现有全部模型。」两人口径并不一致：Baker 说 Grok 远超「金标准」Fable 5，Musk 自己则承认 Fable 5 整体更聪明。榜单给出的画面也更细：被 Baker 称为金标准的 Fable 5 不在 Agentic Index 前三（59/59/58 之外），但它在 Intelligence Index 上的 62 分仍排在 Grok 4.6 的 61 分之前。

「Grok 4.7 有机会超越所有模型」：没有时间表的预告

8 月 15 日，Musk 发推称「Grok has improved massively」（，约 600 万次浏览）；8 月 17 日称「Grok 4.6 is smart, super fast & affordable」（，约 430 万次浏览），当天深夜又称「Grok is very good at agentic tasks!」（，约 320 万次浏览）。

这些推文都是 Musk 的主张，不构成独立验证；「Grok 4.7 有机会超越现有全部模型」同样没有时间表，也没有给出衡量标准。

并列 59 分，但「谁第一」的表述并不一致

changkis_k 说 Grok 4.6「登上榜首（并列）」，AA 官方 FAQ 的措辞则是「Claude Opus 5（Adaptive Reasoning, Max Effort）目前拥有最高的 Agentic Index 分数，59 分」。分数一致，口径不同：AA 把 Opus 5 Max 放在列表最前。另一个需要留意的细节：53 轮/5 亿 token 的效率数字，changkis_k 放在 Agentic Index 的叙述里，AA 自己的文章则把这组数字挂在 AA-Briefcase 名下，引用时需注意出处。

对买家来说，目前可核实的是：并列 59 分，Grok 4.6 每任务 0.84 美元、定价 $2/$6，Opus 5 Max 定价 $5/$25。而按 AA 的说明，榜单会随新模型发布持续更新。截至 8 月 18 日，AA 页面列出的前三仍是 59、59、58。