8月13日消息，xAI周三发布Grok 4.6。Artificial Analysis综合指数中，Grok 4.6得到61分，与GPT-5.6 Sol Max持平，排在Claude Opus 5的63分和Claude Fable 5的62分之后。基础API价格沿用上一版：每百万输入token 2美元、输出6美元。作为对照，Claude Opus 5 Max每百万输入token 15美元、输出75美元。
首发渠道包括Cursor、Grok Build和xAI API，同时通过OpenRouter、Vercel、Cloudflare提供。新模型支持50万token上下文，可以接收文字和图片，提供四档推理强度。
【资料图】
长任务是这次更新最直接的看点。在Artificial Analysis的AA-Briefcase测试中，Grok 4.6平均约用53轮完成任务，Claude Opus 5 Max约需103轮，前者消耗的输入token约为后者的四分之一。Artificial Analysis另外估算，Grok 4.6完成一项综合评测任务平均约花0.84美元。
4.6距离上一版发布约五周。马斯克称，Grok 4.7已经完成预训练，正在追加大量SpaceX数据，预计3至4周后准备就绪。
编程测试中，Grok 4.6有赢有输
综合指数只给出一个总分，具体到编程任务，几款模型的排名随测试项目变化。
Grok 4.6在CursorBench v3.2得到69.9%，超过Sol Max的67.2%，但仍低于Fable 5 Max的70.5%。DeepSWE v1.1中，它从上一版的54%升至65.9%，Sol和Fable分别为73%和70%。Terminal-Bench中，它也没有追上Sol和Fable。
几项测试考查的环境不同。CursorBench运行在Cursor构建的环境中，而Cursor参与了Grok 4.6的训练；DeepSWE和Terminal-Bench更偏向代码库、终端操作和持续解决问题。
xAI把训练重点放在长任务上
Grok 4.6的追加训练时间比4.5更长。训练材料包括模型生成的推理与技术内容以及工程数据，优化器和训练配方也做了调整。
在监督微调阶段，上一版Grok 4.5承担了生成训练样本的工作。团队让它按照不同的推理强度、智能体框架和任务领域，重新生成一批训练轨迹，再用模型检查这些材料，剔除存在问题的样本。
完成监督微调后，Grok 4.6又接受了强化学习训练，任务范围包括知识工作、通用编程、内核优化、网页开发和计算机辅助设计。
这些训练主要面向需要连续执行多步操作的长任务。按照xAI的说法，4.6在运行过程中会更频繁地停下来检查已经完成的部分，发现问题后再继续修改。
一夜0.41美元的项目账单
参与产品开发的Cursor工程师Eric Zakariasson提前数周试用了Grok 4.6，把它用于日常编程和知识工作。他说，模型速度变快后，双方的配合方式也随之改变。过去，他往往要先写一份很长的需求，尽量一次交代清楚，再等待模型完成；现在可以先让模型做一小步，查看结果后调整要求，再继续下一步。工作过程更像连续协作，不必在开始时就把所有细节写进提示词。
这种方式仍离不开人工控制。处理3D、视频和视觉效果时，他会先提供参考图，在执行过程中要求模型截图，检查画面是否符合预期，再决定怎样修改。最终效果如何验收，也要由他提前写清标准。
独立开发者OrcDev让Grok 4.6跑了一夜，做出一款类似《我的世界》（Minecraft）的小游戏，账单为0.41美元。他没有公布token构成和运行环境。
账单的另一面是阶梯定价。单次请求超过20万token后，Grok 4.6的输入和输出价格分别升至每百万4美元和12美元；缓存命中价格也从Grok 4.5的0.30美元提高到0.50美元。反复读取文件、调用工具或者失败重来，都可能抬高最终账单。
Cursor和Grok Build首周提供双倍包含用量。首周试用结束后，更长代码库里的重试次数、工具调用和最终账单会陆续出现。等更多开发者公布完整账单，才能看出0.41美元是普遍水平，还是少数项目才能达到的低成本。（易句）
（本文由AI翻译，网易编辑负责校对）