Grok 4.6追平第一梯队，但长任务短板仍存

马斯克旗下xAI于8月12日发布Grok 4.6，距离上一代Grok 4.5仅35天。在Artificial Analysis榜单上，Grok 4.6综合智能指数61分，与OpenAI的GPT-5.6 Sol持平，仅比Anthropic的Claude Fable 5低1分；在CursorBench 3.2编程测试中，Grok 4.6 High以69.9%的得分超过Sol的67.2%。更引人注目的是价格：Grok 4.6完成一次任务成本约2.34美元，而Sol约5.69美元；其API起价为每百万输入Token 2美元、输出6美元，明显低于对手。

然而，在DeepSWE和TerminalBench这类长链条Agent任务中，Grok 4.6分别只拿到65.9%和26%，而Sol为73%和34.6%，Fable 5为70%和34.1%。这暴露出Grok在连续执行、处理意外和稳定收尾方面的短板。作者认为，Grok已坐上美国大模型第一牌桌，但能否真正完成复杂任务仍是关键。

马斯克在X上立下Flag，要在今年年底前用Grok Imagine制作一部“符合历史、忠于荷马艺术”的完整《奥德赛》长片，挑战诺兰及2.5亿美元制作预算。测试中，Grok 4.6能拆解“符合历史”与“忠于荷马”的矛盾命题，并搭建一个包含成片时长、镜头长度、可用率等参数的制片计算器，估算90分钟长片需约208个工作日，但作者强调这仅是模型假设，并非实测。

xAI的迭代速度惊人：从7月8日Grok 4.5推送，到8月12日Grok 4.6发布，仅隔35天。马斯克预告，拥有2.1万亿参数的Grok 4.7将在几周后到来。这种速度得益于xAI的算力基建：用122天建成首期10万张Hopper GPU的Colossus，再92天扩至20万张，黄仁勋曾称其为“超人级”部署。X提供实时数据和分发，Cursor提供真实编程任务，Grok 4.5训练使用了数万亿Token的Cursor数据。

但巨额投入也带来压力。SpaceX招股书显示，2025年AI分部收入32亿美元，经营亏损64亿美元，资本开支127亿美元，占总资本开支约61%；2026年一季度AI资本开支77亿美元，占比76%；二季度进一步升至158.28亿美元，占比约86%，单季超2025年全年，上半年累计236亿美元。马斯克预计AI收入可能在2026年9月超过其他业务之和，四五年后AI或贡献99%的公司价值。

作者指出，大模型竞争已从比Token单价转向比“一次交付”可靠性。中国模型如Kimi K3和DeepSeek V4 Flash（每百万输入/输出Token仅0.14/0.28美元）进一步压低价格，OpenAI也下调Luna价格80%、Terra下调20%。客户真正购买的是成功交付，而非单纯的低价。

作者认为，SpaceXAI没有绝对领先的牌，但Colossus、X、Cursor和Grok已开始互相喂养，形成数据闭环。不过，特斯拉仍是独立公司，数据共享受组织边界和监管约束；SpaceXAI也缺乏成熟的销售渠道。Grok在长任务中的落后，以及企业客户对安全、稳定性的顾虑，意味着从“最有性价比的第一梯队模型”到“最大商业赢家”之间仍有距离。