Grok 4.6 定档 8 月 6 日，Grok 4.5 登顶 LaurenBench 力压 Kimi K3 与 GPT-5.6

7 月 30 日，Elon Musk 在 X 平台发帖确认 Grok 4.6"一周后发布"，将上一份报告中的"8 月 7 日前后"进一步精确至约 8 月 6 日。与此同时，Grok 4.5 在全新基准 LaurenBench 上以 56.9% 的得分排名第一，领先 Claude Sonnet 5、GLM 5.2、Claude Opus 5、Kimi K3 和 GPT-5.6。

Grok 4.6 参数争议尘埃落定：1.5T 而非 2T

Musk 于 7 月 28 日的发帖对前两周的混乱信息做了最终澄清：Grok 4.6 沿用 Grok 4.5 的 1.5 万亿参数 V9 基础架构，提升全部来自监督微调（SFT）与强化学习（RL）的后训练改进；真正的参数跃升——2.1 万亿参数——将留给数周后发布的 Grok 4.7。

此前包括 Dataconomy、NextBigFuture 在内的多家科技媒体基于 Musk 7 月 18 日提及"2T model"的发言，普遍将 Grok 4.6 报道为 2 万亿参数模型。Musk 7 月 28 日的澄清纠正了这一理解——他当时提到的"2T model"实为 Grok 4.7，而 Grok 4.6 的策略是"以更小的参数规模，通过更强的后训练匹敌 Kimi K3"。

LaurenBench 榜首：意料之外的 Agent 能力信号

7 月 29 日，DogeDesigner（@cb_doge）发布了一张 LaurenBench 排行榜截图，显示 Grok 4.5 以 56.9% 的综合得分位居第一。Musk 随后转发了这条推文。

LaurenBench 是一个面向真实 AI Agent 场景的基准，测试范围涵盖对话、工具调用、记忆和安全四个维度。Grok 4.5 的登顶在两方面值得关注：

领先模型覆盖广：被超越的模型横跨 Anthropic（Claude Sonnet 5、Claude Opus 5）、OpenAI（GPT-5.6）、Moonshot（Kimi K3）和智谱（GLM 5.2），覆盖面空前；
与此前评测形成对比：在 Artificial Analysis 的综合 Intelligence Index 上，Grok 4.5 仅列第四（54 分）；LaurenBench 的 Agent 专项测试揭示其在真实工作流场景中可能被低估。

目前 LaurenBench 的官方方法论文档和完整排行榜尚未公开，仅通过 DogeDesigner 的截图流传。分数解读需谨慎对待，但这一结果至少表明：Grok 4.5 的 Agent 能力——在 SWE-Bench Pro（64.7%）和 Terminal-Bench 2.1（83.3%）之外——有额外的独立验证支撑。

本次更新来源

（2026-07-30）
（2026-07-28）
（2026-07-29）