xAI 於 2026 年 8 月 12 日發布 Grok 4.6 模型，主打長時程代理（long-running agents）與更具野心的互動、視覺生成能力。本文綜合整理自 xAI 官方公告、eesel.ai 獨立評測、Artificial Analysis 基準報告、Hacker News 討論串，並加入 Siami 編輯部觀點與分析。
Grok 4.6 的定位
xAI 強調 Grok 4.6 是 Grok 4.5 的延伸版本，核心差異在於「能夠持續處理多步驟複雜任務」。無論是研究陌生領域、分析資訊、跨整個程式碼庫工作，或把一個模糊的點子轉化成可運作的應用程式與成品，Grok 4.6 都宣稱能在多輪來回中維持專注。
Grok 4.6 在多項代理編碼（agentic coding）與知識工作基準測試中達到前沿水平，在 Artificial Analysis Intelligence Index 上與 GPT-5.6 Sol 並列，分數為 61，僅落後 Claude Opus 5 兩分（62 分），但價格更具競爭力。
這個分數組合讓 Grok 4.6 在「價格智商比」這項指標上成為當前最划算的前沿模型之一。xAI 給出的官方定價是每百萬輸入 token 2 美元、每百萬輸出 token 6 美元，快速版本（fast variant）價格為雙倍。對照 GPT-5.6 Sol 的 5 美元 / 30 美元定價，差距相當可觀。
訓練細節：4.5 教 4.6
這次 xAI 把訓練過程寫得比平常詳細。重點有三：
- 更長的補充訓練階段：Grok 4.6 經歷了比 4.5 更久的補充訓練，使用策展過的模型生成資料（涵蓋推理與進階技術概念）、高品質工程資料，以及改良過的優化器與訓練配方。
- 舊模型教新模型：xAI 用 Grok 4.5 本身重新生成 SFT 軌跡（trajectories），涵蓋推理、代理框架、STEM、軟體工程與知識工作等領域，再用模型檢查機制過濾掉問題樣本。
- 代理 RL 階段：在廣泛的代理強化學習任務上訓練，包括知識工作、一般編碼，以及特定領域環境（核心最佳化、網頁開發、電腦輔助設計）。
eesel.ai 的評論指出，這代表 xAI 採用的是「後訓練（post-training）強化」路線，而不是從頭預訓練一個新模型。這種策略的優勢是迭代速度快，劣勢是存在天花板——沒有新預訓練資料，效能提升會受限於舊基礎模型的容量。
基準測試成績
xAI 公布的官方基準測試表（節錄）：
| 基準測試 | Grok 4.6 High | Grok 4.5 High | GPT-5.6 Sol Max | Fable 5 Max |
|---|---|---|---|---|
| AA Intelligence Index | 61 | 56 | 61 | 62 |
| GDPVal-AA v2 | 1753 | 1526 | 1728 | 1741 |
| CursorBench v3.2 | 69.9% | 66.7% | 67.2% | 70.5% |
| DeepSWE v1.1 | 65.9% | 54% | 73% | 70% |
| FrontierCode v1.1 (Extended) | 61.3% | 56.6% | 60.6% | 63.6% |
| APEX-Agents | 57.5% | 47.1% | 56.7% | 59.2% |
| Terminal-Bench v3.0 | 26% | 15.7% | 34.6% | 34.1% |
| AA-Briefcase | 1577 | 1313 | 1502 | 1574 |
| Harvey LAB (Vals) | 15.8% | 12.9% | 2.5% | 11.3% |
重點觀察：
- 知識工作領域奪冠：GDPVal-AA v2、AA-Briefcase、Harvey LAB 三項都是表中最高分。
- 編碼領域落後：DeepSWE 輸 GPT-5.6 Sol 7.1 分，Terminal-Bench v3.0 輸 8.6 分。
- 相對 Grok 4.5：Intelligence Index 提升 5 分（56 → 61），5 週內的分代級跳躍。
Artificial Analysis 額外測量了 Grok 4.6 的「非幻覺率」，結果為 65.7%。這個數字代表每三次推論中約有一次會出現幻覺，這對需要嚴格事實查核的企業應用是個明顯警訊。
為什麼這件事重要
Grok 4.6 的發布在當前前沿模型競爭中有三個值得關注的意義：
第一，價格戰正式進入前沿層。過去要達到 Intelligence Index 60+ 的分數，使用者必須付 GPT-5.6 Sol 或 Claude Opus 5 等級的高價。Grok 4.6 用不到一半的價格（甚至不到三分之一）達到 61 分。這會給其他模型供應商帶來明確的降價壓力——OpenAI 與 Anthropic 很難再維持目前的價格區間而不被質疑「值不值」。
第二，xAI 證明了「後訓練強化」路線的天花板與機會。從 4.5 到 4.6 的 5 分提升發生在 5 週內，且不需要新的預訓練。這種迭代速度是 Anthropic 與 OpenAI 較難追上的，因為他們每次大版本需要完整預訓練循環。但天花板也很明顯——當 4.6 的核心仍然是 1.5T 參數的 V9 基礎模型時，後續版本的提升空間會越來越窄，除非 xAI 在未來幾個月啟動新的預訓練。
第三，知識工作 vs 編碼的權重正在重新分配。這次發布明顯把 Grok 4.6 定位成「代理編碼」模型，但基準測試結果顯示它在知識工作（GDPVal-AA、AA-Briefcase、Harvey LAB）表現更佳，在編碼（DeepSWE、Terminal-Bench）反而落後。這對正在評估要用哪個模型處理哪種任務的企業 IT 部門來說，是個重要的選型參考。
數據解讀與質疑
官方公告裡有些數字值得進一步檢視：
-
「前沿水平」的定義：xAI 強調 Grok 4.6 達到「前沿水平」，但這個詞在基準測試表裡只對應到 Intelligence Index 61 分。Claude Opus 5（62 分）與 Fable 5 Max（62 分）仍然領先，Grok 4.6 是「並列第三」。在行銷語言中容易被放大成「並列第一」。
-
基準測試的選擇：xAI 公布的 10 項基準測試中，3 項知識工作項目 Grok 4.6 奪冠，但 5 項編碼類項目 GPT-5.6 Sol 奪冠。如果把 Anthropic 的 SWE-bench、DeepMind 的 FrontierMath 等更廣泛的基準加進來比較，排名可能會不同。
-
非幻覺率 65.7% 的意涵：Artificial Analysis 的測量顯示，每三次中約有一次幻覺。對於寫程式碼來說，這個比例可能可以接受（編譯器會抓錯）；但對於法律 Harvey LAB、知識工作 AA-Briefcase 等場景，這個比例可能會造成嚴重的後果。
-
「首次推出就給 2x 額度」的訊號：xAI 給 Grok Build 與 Cursor 用戶首週雙倍額度，這顯示他們急於搶佔開發者市場的工作流。但這種促銷策略的長期可持續性需要觀察——如果定價持續上漲，使用者可能會回流到 OpenAI 或 Anthropic。
可用性與定價
- 發布日期：2026 年 8 月 12 日
- 可用平台：Grok Build、Cursor、API、OpenRouter、Vercel、Cloudflare
- 定價：$2 / 1M input tokens、$6 / 1M output tokens（快速版兩倍價格）
- 首週優惠：Grok Build 與 Cursor 用戶 2x 額度
- 速率限制：150 RPS、50M tokens/min、跨 us-east-1 / us-west-2
- 上下文窗口：500,000 tokens
- 模態：文字＋圖像輸入，文字輸出，支援 function calling、結構化輸出、推理
開發者社區反應
Hacker News 上關於 Grok 4.6 的討論串（連結）呈現兩極化的看法：
「Cursor, since Grok 4.5, has had an incredible deal for frontier level models, their subscription now goes way further than OpenAI or Anthropic.」 — Hacker News 用戶 wertyk
「Grok is 3x+ faster than Claude and I can’t tell the diff in engineering work quality. As an engineer, speed is important to me.」 — 工程師在 HN 上的回饋
eesel.ai 的獨立評測則點出一個較少人提及的事實：
「This is a knowledge-work model that got announced as a coding model.」 — eesel.ai
這句話精準捕捉了 Grok 4.6 的定位矛盾——行銷說它是「代理編碼」模型，基準測試卻顯示它更擅長知識工作。
後續觀察重點
- Arena 排行榜成績：發布後一週會是 LMArena 盲測排名的關鍵時刻，這是目前最難被行銷話術操控的公開比較。
- 企業採用速度：Cursor 與 Grok Build 的首週雙倍額度會吸引多少企業用戶，會是判斷這次定價策略成敗的指標。
- Grok 4.7 與新預訓練：Elon Musk 之前提過 Grok 4.7 預計在 4.6 後幾週推出，且會啟動新一輪預訓練循環。如果 4.7 能突破「後訓練天花板」，xAI 的迭代節奏會更具威脅性。
編按：本文綜合整理自 xAI 官方公告、eesel.ai 獨立評測、Artificial Analysis Intelligence Index v4.1 報告、Hacker News 討論串，並加入 Siami 編輯部觀點與分析。xAI 為一手原始來源，符合白名單；eesel.ai 為第三方獨立評測，提供官方公告未涵蓋的批判視角。
網友熱門留言 (3)