专题 · FULL STORY

Grok 4.6:从泄露现身到横评实测

Grok 4.6 先在 Cursor 中被短暂发现又撤下,数日后 xAI 正式发布,基准领先、定价不变;实测显示编码比肩顶尖开源,是否达 Opus 级仍有争议。

2026-08-11 ~ 2026-08-15 · 5 集 · 129 条

第 1 集 · Grok 4.6疑现身Cursor后撤下，官方未证实(2026-08-11,7 条)

8月11日，多名用户发现xAI的Grok 4.6模型疑似在Cursor编辑器中短暂上线，随后被迅速撤下，目前仅剩一个不可点击的选项。该版本在模型选择器中显示256k上下文和“最强模型”标签，但xAI官方尚未公布任何相关的模型卡、API列表或定价信息。鉴于Grok 4.5发布尚不足一个月，此次事件引发外界对xAI模型迭代速度的广泛关注。

已确认

  • Grok 4.6的字样确实在8月11日短暂出现在Cursor编辑器的模型选择器中，据用户反馈页面显示其具备256k上下文，并带有“最强模型”标签。
  • 该模型随后在Cursor中被暂时回滚，目前仅剩一个不可点击的选项。

尚未确认

  • 该模型是否已经开发完毕并即将发布。据@eyishazyer调查指出，目前找不到任何关于Grok 4.6的官方实质信息，此前流传的1.5T参数与1M上下文窗口等具体参数也缺乏官方依据。
  • 此次上线是Cursor的提前意外部署，还是xAI的小范围测试，目前仍无定论。

为什么重要

  • 若Grok 4.6真在未来几周内推出，这将意味着xAI在不到一个月的时间内完成了新版本的迭代，标志着其模型研发进度的重大提速。
  • 开发者社区对Grok 4.5的能力与效率给予了高度评价，市场对新版本的表现抱有强烈期待。

第 2 集 · Grok 4.6发布并开展多款编码工具横评(2026-08-11,4 条)

xAI正式发布了Grok 4.6模型，随后开发者在多款主流编程工具中对其进行了横向评测。实测对比了Cursor、Zed、T3 Code等平台，结果显示Zed虽支持运行但功能最弱，缺乏计划模式与多模态支持；而T3 Code等工具在多模型需求场景下表现更为适配。

第 3 集 · xAI发布Grok 4.6，性能领先且定价不变(2026-08-12,92 条)

xAI于8月12日正式发布新一代模型Grok 4.6。该模型在多项基准测试中取得领先成绩，同时保持与上一代相同的定价，以高性价比成为市场焦点。马斯克及英伟达官方均给予高度评价，模型已全面接入Grok Build、Cursor、Grok Bot及xAI API。

已确认

  • 基准表现：Grok 4.6在GDPVal-AA v2基准测试中以1753 ELO分数排名第一，超越Fable 5 Max和GPT-5.6 Sol Max。在Artificial Analysis智能指数中得分61，与GPT-5.6 Sol持平，仅次于Claude Opus 5和Claude Fable 5。在5美元预算工作负载测试中排名第一。GPQA Diamond评测中以94.9%高分击败GPT-5.6和Gemini 3。在AA-Briefcase智能体知识工作基准测试中，得分与Claude Fable 5不相上下，但单次任务成本仅为其五分之一。
  • 定价策略：定价与Grok 4.5持平，每百万tokens输入2美元、输出6美元、缓存输入0.50美元。分析师Gavin SB Baker指出，其性能可与Fable 5 Max媲美，但整体成本低85%（输入便宜80%，输出便宜88%），甚至比Anthropic的Sonnet 5便宜。
  • 平台接入：专为长程Agent任务设计，已接入Grok Build、Cursor、Grok Bot及xAI API。官方宣布发布后一周内，Cursor和Grok Build用户享受双倍token额度。
  • 硬件支持：英伟达官方确认Grok 4.6在GB300 NVL72系统上训练和运行，借助NVLink技术实现卓越性能与极低token成本。

为什么重要

在当前大模型竞争白热化阶段，Grok 4.6实现了马斯克所暗示的“帕累托最优”。它不仅在真实任务和智能体知识工作等复杂场景中表现出前沿智能水平，更通过激进定价大幅拉低顶级AI模型使用门槛。这种性价比打法直接冲击OpenAI和Anthropic等竞品市场定位，为开发者和企业用户提供极具成本效益的SOTA选择。

还有 72 条相关讨论 →

第 4 集 · Grok 4.6 实测：编码比肩顶尖开源，争议是否达 Opus 级(2026-08-13,16 条)

Grok 4.6 发布后数日内迎来多位独立开发者密集实测。共识是其编码能力已比肩 Kimi K3 等顶尖开源模型、足以接手 Claude Sonnet 4.5 的日常负载，且速度更快、成本更低；Minecraft 空间构建与视频生成亦有明显进步。争议集中在是否已达 Claude Opus 级别，不同测试者结论相反。

已确认

  • 性价比：scaling01 称 Grok 4.6 在性能与运行效率上均略优于体积近两倍的 Kimi-K3；MiaAIlab 历时近 8 小时、全程「低」努力模式的测试显示，其在内核与 modding 任务上与 Kimi K3 相当，速度更快、token 消耗更少。
  • 编码定位：bindureddy 认为 4.6 已达 Sonnet 级、整体超越 Gemini，团队已将部分 Sonnet 负载迁移过去；其分数逼近第一梯队，因速度优势实际比 K3 更好用。
  • 空间与多模态：adonissingh 在 Minecraft「3D 坐标轴构建克莱因瓶」任务中发现 4.6 的空间判断与审美较 4.5 显著提升；Aizkmusic 在 MC Bench 中仅用两轮交互搭出金门大桥，唯一错误是用错一个方块 ID，另以两段式生成做出连贯的 flythrough 视频。
  • 迭代幅度与缺陷：karminski3 实测后端 Agentic Coding 基准较 4.5 提升不到 5%，前端结果仍在评估；Maziyar Panahi 认为 4.6 与 4.5 手感差异明显，功在 xAI 的中期训练与后训练；Aizkmusic 提醒其编码尚不及 Fable、不建议直接用于生产，且偶用 proscenium 等罕见词汇。

尚未确认

  • 是否达到 Opus 级别：sergeykarayev 的 Superconductor 博客评测将 Grok 4.6 与 Opus 4.8/5、Fable 5、Kimi K3 并列「神坛」并列为日常主力模型；kevinnbass 称其在数据挖掘工作流中与 Opus 5 几乎难以区分、成本更低速度更快甚至部分更优；但 bindureddy 明确表示其远未达 Opus 级别，能力上限不及顶级闭源模型。

为什么重要

  • 若「体积减半、性能略优」的对比成立，Grok 4.6 将以速度与成本优势直接冲击 Sonnet 档位的商业负载，且已有团队实际完成迁移。
  • 评测者对「第一梯队」边界的分歧表明顶尖模型差距已进入体感层面，选型将更依赖具体工作流的实测而非榜单分数。

第 5 集 · Grok 4.6 编程与推理基准表现出色，性价比突出(2026-08-14,10 条)

xAI 发布的新模型 Grok 4.6 在多项编程与推理基准中表现抢眼：Cursor 团队直播称其登顶 CursorBench 3.2 真实编程测试；开发者 aidenybai 实测其在 ReactBench 综合排名第五、React 修复单项第二；研究团队评估其生物学任务准确率与 Opus 5 / GPT-5.6-Sol 大致相当而推理成本显著更低。接近前沿的智能水平加上突出的性价比，是各方反馈的共同主题。

已确认

  • Cursor 团队成员 Lauren 和 Roshan 在直播中称 Grok 4.6 在 CursorBench 3.2 位列第一，成本效益远超 Fable 5 Max。
  • 开发者 aidenybai 称其在 ReactBench 写作与修复综合排名第五，React 语义理解出色，形成良好帕累托曲线，相比 4.5 有更好的努力分离；修复单项排名第二。
  • a16z 合伙人 Martin Casado 体验数小时后称其同等智能水平下速度很快、对复杂代码描述简洁，并完成构建 RAM 探针等高难度任务。
  • 用户 vikvang1 称其智能接近 Fable、输出速度与 Sonnet 相当、成本仅一小部分，且不再需要复杂技能文件，模型自己就知道该怎么做。
  • 研究团队在 1716 条轨迹的短期生物学基准中测得其准确率与 Opus 5 / GPT-5.6-Sol 大致相当，推理成本显著更低。

尚未确认

  • 多条推文出现 Claude Fable 5、Fable 5 Max、GPT-5.6 Sol 等名称，其中一条为 Perplexity 出品的恶搞横评（称 Grok 4.6 以 7.58 美元单任务成本在 WANDR 基准追平得分 0.496 的 Claude Fable 5），混杂虚构信息，需谨慎区分官方基准成绩与非正式对比。

为什么重要

  • Grok 4.6 显示 xAI 在代码生成与复杂推理领域已逼近业界前沿，突出的性价比可能重塑开发者的模型选型考量；无需厚重技能包装的反馈也暗示模型自主能力提升有望简化智能体工作流。