xAI 放出 Grok 4.6：同价升级，十项基准全超4.5

北京时间 8 月 12 日 23:32，xAI 官方账号发推宣布 Grok 4.6 上线，称其具备「frontier intelligence」，是较 Grok 4.5「at the same price」的显著升级。发布约四小时后，这条推文的浏览量超过 730 万，点赞 2.1 万。

价格写在里：每百万输入 token 2 美元、输出 token 6 美元，官方还自称这是其他前沿模型的一半。同时挂出一张十行基准对比表，Grok 4.6 的分数全部高于 4.5，一行不落。

三分钟后，kimmonismus 把领先项和落后项各数了一遍

拥有 13.3 万粉丝的科技分析师、@getsuperintel 主编在官宣三分钟后发推：「Grok 4.6 released, absolutely insane crazy jump! xAI was cooking!」

他对照官方数据数了一遍：4.6 在 AA Intelligence Index 上以 61 分打平 GPT-5.6 Sol，在 CursorBench、FrontierCode、AA-Briefcase 上领先，在 DeepSWE 与 Terminal-Bench 上仍落后。

他自己划了条底线：这些都是公司自报结果，但较 Grok 4.5 的提升几乎覆盖全部公开评测。

X 简介自称「OG OpenAI prompt whisperer」、拥有 67.8 万粉丝的只回了一句「Fixed it for you:」，附上一张四家模型并排的对比表图，这条回复拿到 1336 个赞。

27 天前的 Grok 4.5 就是 $2/$6，这次价签没动

Grok 4.5 发布于 7 月 16 日，写明 API 定价为每百万输入 token 2 美元、输出 token 6 美元，主打 coding、agentic 与知识工作，并且是与 Cursor 一起训练的。所以 4.6 推文里的「same price」，指的就是这套价格分文未动。

4.6 公告第一段把重点放在「long-running agents」和更大野心的交互、视觉工作：能跨很多步完成研究、跨代码库工作，或把一个想法做成可用的应用。

这个方向恰好对上 4.5 丢分最多的地方。对比表里，Grok 4.5 High 在 DeepSWE v1.1 上只有 54%、在 Terminal-Bench v3.0 上只有 15.7%，是它与 GPT-5.6 Sol 差距最大的两行。

十行全超 4.5，长程 agent 两行仍落后 GPT-5.6 Sol

列出十项 coding 与知识工作基准，Grok 4.6 High 相对 Grok 4.5 High 全部更高。百分点提升最大的是三行：DeepSWE v1.1 从 54% 到 65.9%，APEX-Agents 从 47.1% 到 57.5%，Terminal-Bench v3.0 从 15.7% 到 26%。

九基准综合分 AA Intelligence Index 从 56 升到 61，与 GPT-5.6 Sol 打平。

补课的两行仍然落后：DeepSWE 上 65.9% 对 GPT-5.6 Sol 的 73%，Terminal-Bench 上 26% 对 34.6%。

训练口径上，公告称 4.6 做了比 4.5 更长的补充训练，使用人工筛选的模型生成数据与高质量工程数据，并用 Grok 4.5 重新生成 SFT 轨迹、以模型检查过滤问题轨迹；强化学习覆盖 kernel 优化、web 开发、CAD 等环境。

xAI 还观察到，长轨迹里模型开始更多地自我测试、先验证再往下走。安全方面，公告称护栏随能力重新校准，并做了迄今规模最大的一套发布前测试。

首发周双倍额度：Cursor、Grok Build 与 API 同步开跑

4.6 当天就在 Cursor 与 Grok Build 上线，API 及 OpenRouter、Vercel、Cloudflare 等渠道同步开放；已经写明「Now powering Grok Build」。

促销也一并跟上：发布后第一周，Grok Build 与 Cursor 内包含的用量翻倍。定价从每百万输入 token 2 美元、输出 token 6 美元起，另有一个价格翻倍的 fast 版本。「其他前沿模型的一半」这个说法，xAI 没有在公告或推文里展开对照。

十行最高分，Grok 4.6 只占三行

同一张表里，每行最高分被加粗。数一遍：Grok 4.6 在 GDPVal-AA v2（1753）、AA-Briefcase（1577）与 Harvey LAB（15.8%）三行居首。

Fable 5 Max 拿下 AA Intelligence Index、CursorBench、FrontierCode、APEX-Agents、APEX-SWE 五行；GPT-5.6 Sol 拿下 DeepSWE 与 Terminal-Bench 两行。

表下脚注写明，第三方模型成绩取自各厂商自报或公开结果中的最佳值。整张表都是厂商口径。在外部复测与第三方榜单回填之前，xAI 说的「显著提升」锚定的是自家上一代；对 GPT-5.6 Sol 和 Fable 5 Max 的每一项领先，都还停在自报数字上。