马斯克旗下SpaceXAI(原xAI)周三(12日)正式推出新一代旗舰模型Grok 4.6, 将主要升级方向锁定长时间运行的AI代理(Agent)、复杂程式设计、知识工作及互动与视觉任务。SpaceXAI表示, Grok 4.6在多项前沿模型测试中已进入第一梯队, 同时以每100万个输入Token 2美元、输出Token 6美元的价格切入市场, 约为部分竞争对手的一半, 企图以「高性能+低成本」策略抢攻开发者市场。

SpaceXAI在官方公告中表示, Grok 4.6是在Grok 4.5基础上进一步强化, 特别针对长时间运行的Agent及更具挑战性的互动、视觉工作。新模型可以处理需要多步骤执行的研究工作、程式码库分析及应用程式开发, 并在更长的任务过程中进行自主测试与验证, 让模型不只是回答问题, 而是能持续完成一项完整工作。

SpaceXAI指出, Grok 4.6接受比Grok 4.5更长的补充训练, 训练资料包括经过筛选的模型生成推理资料及高品质工程资料, 同时改进最佳化器与训练方法。公司并利用Grok 4.5生成不同推理强度、Agent框架以及STEM、软体工程和知识工作等领域的SFT轨迹, 再透过强化学习训练Grok 4.6执行通用程式设计、知识工作、核心程式最佳化、网页开发及电脑辅助设计等任务。

这次升级最受市场关注的之一, 是Grok 4.6在Artificial Analysis Intelligence Index取得61分, 与OpenAI的GPT-5.6 Sol并列。Artificial Analysis指出, 该指数综合多项测试, 用来评估模型在数学、科学、程式设计与推理等不同能力的整体表现。Grok 4.6因此进一步缩小与顶级模型之间的性能差距。

在GDPVal-AA v2测试中, Grok 4.6则取得1,753 Elo, 高于GPT-5.6 Sol的1,728分及Anthropic旗下Claude Fable 5的1,741分。这项测试着重于具有实际经济价值的专业工作, 包括不同职业与产业的知识工作任务, 更接近企业实际导入AI代理后可能面对的工作场景。

不过, Grok 4.6并非在所有评测中都取得第一。SpaceXAI公布的其他测试显示, 新模型在CursorBench v3.2取得69.9%, 高于Grok 4.5 High的66.7%; FrontierCode v1.1达61.3%, 高于前代56.6%; APEX-Agents达57.5%, 高于前代47.1%; APEX-SWE为56.4%, 高于前代53.6%; AA-Briefcase则由前代1,313分提升至1,577分; Harvey LAB也由12.9%提高至15.8%。

在部分测试中, 竞争对手仍然领先, 因此较准确的说法是Grok 4.6已在多项Agent、程式设计及知识工作测试进入顶级模型行列, 而非全面击败所有竞争模型。Artificial Analysis的排名也会随模型新增与测试更新而变动, 因此SpaceXAI公布的排名主要反映发布时点的横向比较。

除了模型性能, Grok 4.6的价格策略更可能成为AI产业下一阶段竞争的焦点。SpaceXAI将标准API价格设定为每100万个输入Token 2美元、每100万个输出Token 6美元, 并提供速度更快、价格约为两倍的版本。公司宣称, 标准版本价格约为其他前沿模型的一半。

这项定价策略将Grok 4.6直接推向开发者及企业AI市场。相较之下, 市场目前对前沿模型的竞争已逐渐从单纯比拚基准测试, 延伸到每次推理成本、Token效率、速度以及能否完成实际工作的能力。当模型性能逐渐接近时, 相同工作究竟需要多少运算成本, 很可能成为企业选择模型的重要因素。

不过, API单价并不代表所有任务的最终成本都会同比下降。不同模型的Token消耗、推理强度、任务执行时间以及Agent需要呼叫多少次工具, 都会影响实际使用成本。因此, Grok 4.6的「半价」主要是API标价上的比较, 并不意味着所有应用场景的总成本都一定低50%。

SpaceXAI也同步扩大Grok 4.6的开发者通路。新模型已提供给Cursor、Grok Build及API使用, 并透过OpenRouter、Vercel及Cloudflare(NET-US)等平台与服务商提供。SpaceXAI表示, 上线首周Cursor与Grok Build用户可获得2倍包含用量, 让开发者能以更低门槛测试新模型。

这也延续SpaceXAI近几个月积极抢攻AI程式开发市场的策略。公司7月推出Grok Build开源版本, 将旗下程式设计Agent的核心框架公开, 包括上下文组装、工具调用、程式码读取与修改、命令执行、技能、插件及子Agent等功能, 并允许开发者在本地环境运行。

Grok Build原先已被SpaceXAI定位为面向专业软体工程与复杂程式设计工作的Coding Agent, 使用者可以先让模型规划工作, 再审核与批准执行计划, 每次程式码修改也会以差异档案方式呈现。Grok 4.6此次进一步强化Agent能力, 等于为这套开发工具提供更强大的模型引擎。

SpaceXAI此次还特别强调, Grok 4.6在「把想法变成产品」方面有明显提升。面对一个模糊的产品概念, 模型可以先研究陌生领域, 设计应用架构, 建立核心功能, 再根据测试结果及使用者回馈进行多轮修改。在视觉及互动式专案中, 新模型也能更快产出完整的第一版成果。

这种能力反映AI模型竞争正从「问答」走向「执行」。过去大模型主要以回答问题、生成文字或程式码作为能力展示, 现在OpenAI、Anthropic、Google及SpaceXAI等业者都逐步把Agent能力视为下一个竞争战场, 希望模型能自行使用工具、拆解任务、修改成果并完成长时间工作。

Grok 4.6在GDPVal-AA v2的表现尤其符合这项趋势。SpaceXAI公布的1,753 Elo不只是一般知识问答成绩, 而是来自需要模型在Agent环境中完成实际专业工作的测试, 因此公司试图借此证明新模型不只是「聊天能力」提升, 而是已能处理更接近企业工作流程的任务。

马斯克也迅速在社群平台X为新模型造势。他转发Grok 4.6取得1,753 Elo及在多项测试领先的相关内容, 并对新模型作出高度评价。这也是马斯克近期持续亲自推广Grok产品的最新例子。

从产业竞争角度来看, Grok 4.6的推出时间也值得注意。Grok 4.5才在7月16日发布, SpaceXAI不到一个月便推出下一代版本。Grok 4.5当时已将程式设计、Agent任务及知识工作列为主要能力, 并强调与Cursor共同训练, 显示SpaceXAI正在快速缩短模型迭代周期。

SpaceXAI近期也持续把Grok从聊天机器人扩展为完整AI工作平台。7月推出的Automations功能允许使用者设定一次工作, 之后让Grok按照排程或收到电子邮件等触发条件自行执行, 并回报结果; 5月推出的Connectors则让Grok直接连接企业及个人使用的应用程式, 执行读取电子邮件、整理文件、更新简报、管理行事历及编辑试算表等工作。

因此, Grok 4.6的真正战略意义可能不只是与GPT或Claude比拚排行榜, 而是SpaceXAI正试图建立从模型、Agent、Coding工具到第三方开发平台的完整生态系。若低API价格能够吸引大量开发者, 再透过Cursor、Grok Build、OpenRouter及云端平台扩大使用, SpaceXAI便有机会在模型之外取得更大的开发者入口。

不过, 低价策略也代表SpaceXAI必须承担更高的运算成本压力。前沿模型的训练与推理都需要大量GPU及资料中心资源, 若模型价格持续下探, AI业者必须依靠更高的使用量、更高的Token效率或其他商业模式来支撑毛利率。这也意味着Grok 4.6的价格战不只是争取市占率, 同时也是对SpaceXAI基础设施效率的一项考验。

对开发者而言, Grok 4.6的吸引力则在于它同时提供前沿级性能与相对低廉的API价格。若其在实际工作中的Token效率及任务完成率能够维持目前的测试表现, 开发者可能更愿意把Grok纳入程式设计、研究、资料分析及企业Agent工作流。

而对OpenAI与Anthropic等竞争对手而言, Grok 4.6也进一步加剧前沿模型价格压力。当新模型在部分专业工作测试中已能取得领先, 同时API价格又明显较低, 市场竞争就不再只是谁的模型最聪明, 而是谁能以最低成本完成最多工作。

目前Grok 4.6已经可以透过API以及部分开发者平台使用, 但不同平台的可用方式与方案可能有所差异。SpaceXAI此次发布的重点也主要放在开发者与Agent应用, 而非单纯消费者聊天产品的更新。

整体而言, Grok 4.6显示SpaceXAI正在把AI竞赛的战场从单一模型性能, 推向长时间Agent执行能力、程式设计、知识工作及推理成本。61分的Artificial Analysis Intelligence Index与1,753 Elo的GDPVal-AA v2成绩, 让Grok进一步站上前沿模型竞争舞台; 每100万Token输入2美元、输出6美元的价格, 则是SpaceXAI试图扩大市场渗透率的另一张王牌。

随着模型能力差距逐渐缩小, AI产业下一阶段的胜负关键可能从「谁拥有最高分」转向「谁能以更低成本完成更多工作」。Grok 4.6此次同时押注性能与价格, 能否真正转化为开发者使用量与企业采用, 将决定这场AI模型价格战究竟只是一次产品攻势, 还是成为SpaceXAI抢进前沿AI市场的重要转折点。