Grok 4.6 Tops Agentic Benchmarks with High Performance and Cost-Efficiency

xAI 最新发布的 Grok 4.6 在 Artificial Analysis 的多项智能体基准测试中取得显著突破，不仅在复杂任务能力上跻身第一梯队，更在单位成本智能水平上展现出压倒性优势。

已确认

基准测试成绩：在 Artificial Analysis 智能体指数中，Grok 4.6 获得 61 分，与 OpenAI 的 GPT-5.6 Sol 持平，并成功登顶榜单，与 Anthropic 的 Claude Opus 5 Max 并列第一。该测试主要评估大模型在工具调用、规划、自主性和复杂问题解决等智能体工作流方面的综合能力。
长程任务表现：在 AA-Briefcase（长程智能体知识工作私有基准）中，Grok 4.6 首次亮相便取得 1577 的 Elo 分数，紧随 Claude Opus 5 之后，与 Claude Fable 5 不相上下。
性价比优势：在 5 美元工作负载预算的测试中，Grok 4.6 排名第一。据 Artificial Analysis 评估，其单次任务成本仅为表现相近模型（如 Claude Fable 5）的五分之一，几乎没有其他前沿模型能在该价位提供同等智能。

Grok 4.6 的发布标志着 xAI 在智能体级别的复杂任务处理能力上已经追平头部竞品。其极高的性价比不仅为大规模部署提供了经济可行性，也可能对当前大模型市场的定价体系产生直接冲击。

2026-08-12 ~ 2026-08-13 · 5 related posts

Episode 1: Grok Model Tests Show Fast Execution but Flawed Reasoning(2026-08-11, 2 posts)
Episode 2: Grok 4.6 Spotted in Cursor Then Pulled, Unconfirmed(2026-08-11, 7 posts)
Episode 3: Grok 4.6 Released with Multi-Tool Coding Benchmark(2026-08-11, 4 posts)
Episode 4: Musk Confirms Grok 4.6 Release This Week Amid xAI Cursor Acquisition Talks(2026-08-12, 3 posts)
Episode 5: xAI Launches Grok 4.6: Top Benchmark Performance at Low Cost(2026-08-12, 27 posts)
Episode 6: AI Community Memes Fake Grok 4.6 Release and Benchmarks(2026-08-12, 3 posts)
Episode 7: Grok 4.6 Debuts on Multiple Platforms with Double Quota(2026-08-12, 3 posts)
Episode 8: Grok 4.6 Tops Agentic Benchmarks with High Performance and Cost-Efficiency(2026-08-12, 5 posts)
Episode 9: Grok 4.6性价比碾压竞品，下代将融合SpaceX与Cursor数据(2026-08-12, 8 posts)
Episode 10: Grok 4.6 Now Integrated into Dev Tools(2026-08-12, 2 posts)