让模型自己跑完一个多步任务，而不是每步都停下来等你确认，这是今年大模型最卷的方向。Grok 4.6 就是冲着这个来的。它在上一代基础上补了一轮长时智能体训练，综合智能指数追平了 OpenAI 的旗舰，输出价却只要对手的零头。长任务、改代码、把想法做成能跑的应用，它比前代强了不止一档。值不值得把活儿交给它，上手试过才知道。

它是什么来头

Grok 4.6 是 SpaceXAI（前身 xAI）在 2026 年 8 月 12 日发布的最新大模型。一句话定位：面向长时运行智能体的专用模型。它不是那种你问一句答一句的聊天模型，而是能接住一个模糊需求，自己调研、分析、改代码、把想法做成可运行应用的那种。

背景信息值得说一下。xAI 今年 6 月被 SpaceX 收购后完成品牌重塑，更名 SpaceXAI，同月还创下了纳斯达克 IPO 纪录。Grok 4.6 距离上一代 Grok 4.5 只隔了一个月，迭代节奏非常快。

跟传统对话模型比，Grok 4.6 的重点不在单轮答得多漂亮，而在多步任务能坚持跑完。官方给出的卖点就三个词：长时智能体、交互式、视觉工作。换句话说，它拼的是”把事做完”而不是”把话说漂亮”。

官网：https://grok.com/| 文档：https://docs.x.ai/developers/models/grok-4.6

到底强在哪

聊完来头，最想搞清楚的是它跟上一代比，到底把哪些短板补上了。

核心变化集中在”长任务”这件事上。官方说 Grok 4.6 做了一轮更长的增量训练，还用 Grok 4.5 重新生成了监督微调轨迹，再叠加面向智能体的强化学习。落到体验上，就是它能在一个任务里坚持更多步骤，还开始出现自我校验行为：先检查自己的产出，再往下走。

几个关键能力拆开看：

• 长时智能体：能接住一个模糊需求，自己调研陌生领域、搭应用结构、实现核心交互，再根据多轮反馈持续迭代
• 编码工程：在 DeepSWE v1.1 上从 54% 跳到 65.9%，CursorBench 从 66.7% 升到 69.9%，跨代码库改动的能力明显增强
• 知识工作：GDPVal-AA v2 拿到 1753 分，是当前榜单里数一数二的水平
• 视觉与交互项目：第一遍就能立起应用的视觉语言和结构，比 Grok 4.5 强很多，适合从想法直接起一个能看的原型

值得一提的是它配套的 Grok Bot 产品。这是 8 月 11 日刚放出的早期测试版，定位”AI 队友”：每个 Bot 拥有自己的云电脑，能登录你的工具、跨应用独立干活，只在需要审批时才回来找你。

怎么用

聊完功能，实际用起来顺不顺才是关键。

Grok 4.6 没有独立的客户端，它是通过 API 和各种开发平台触达的。模型 ID 就是 grok-4.6。最省事的路子是直接用 Cursor 或 Grok Build，官方给首发第一周加了 2 倍用量额度。

走 API 的话，接入方式跟其他模型没区别。配好 key，把 model 参数填成 grok-4.6 就能调。输入支持文本和图片，输出是纯文本。50 万 token 的上下文窗口，够塞进一个中型代码库或者一本长文档。

第一次试长任务的感受是，它确实比上一代”坐得住”。给一个模糊的产品点子，它能自己查资料、定结构、写第一版，中间不会频繁停下来问你要不要继续。缺点是视觉类产出偶尔偏保守，得再推一把才有惊喜。

在 Cursor 里切到 Grok 4.6 几乎零成本，模型下拉框里直接选。我拿一个多文件的旧项目试了试，让它跨三个文件加一个功能，它把改动、自检、再修正串了起来，来回七八轮没跑偏。倒是长上下文超 20 万 token 后费率翻倍这点，第一次用容易忽略。

这样用效率翻倍

很多人不知道它有些用法能把长任务的价值榨得更干净：

• 长上下文计价：提示词超过 20 万 token 后费率会上调，所以尽量把稳定前缀做缓存，缓存输入只要 $0.50 每百万
• 拿缓存换成本：长任务里大量重复的系统提示词，用缓存能省下不少输入开销
• 分步留痕：让它自我校验时，明确要求”每完成一步先复述结果再继续”，能把它的自检行为逼出来
• 搭配 Cursor 白嫖额度：首发第一周 Cursor 和 Grok Build 有 2 倍用量，适合这个窗口期密集试跑

横向对比

大模型赛道现在一天一个版本，绕不开的对手就那几个。直接上数据：

价格上的差距一目了然：Grok 4.6 的输出价只有 GPT-5.6 Sol Max 的五分之一，Claude Fable 5 Max 的约八分之一。智能指数上三者几乎打平，都在 61 到 62 之间。

但要看清一个短板：纯编码深度上它还不是最强。DeepSWE v1.1 它拿 65.9%，GPT-5.6 Sol Max 是 73%，Fable 5 Max 是 70%。如果只看最难的代码改动，那两位老大哥还压它一头。它的优势在价格和长任务的稳定性，不在单项峰值。

还有个不能忽略的存在是 DeepSeek V4 Pro，输入价只要 $0.435、输出 $0.87，比 Grok 4.6 又便宜一个数量级。不过它走开源路线，长时智能体的稳定性跟闭源前沿模型还有差距，追求极致性价比的可以自己压测对比。

真实用户怎么说

这模型发布才一天，成规模的用户口碑还没沉淀出来，但早期信号已经能看出两极。

积极的一面：Cognition（Devin 的母公司）已经把 Grok 4.6 接进了 Devin，还公开认可它是知识工作领域”第二好的模型”，仅次于 Claude。早期在 Code Arena 上的 web 开发测试里，它也稳稳排在 GPT-5.6 Sol 和 Claude Fable 附近。

质疑的一面集中在 Grok Bot 上。部分 X 用户觉得演示效果有挑选过的成分，担心真实场景没这么顺。还有人对”让 AI 登录你的账号干活”这件事本身有顾虑，怕的是权限给出去就收不回来。

多维评分

把前面聊的落成分数，这模型到底几斤几两。

综合评分：8.3 / 10

优点和槽点

优势

• 价格碾压：$2/$6 的定价不到 GPT-5.6 Sol Max 的一半，长任务跑量成本优势巨大
• 长任务稳定性：自我校验和多步坚持能力比 Grok 4.5 有质的提升
• 生态到位：发布当天就进了 Cursor、OpenRouter、Vercel、Cloudflare、Devin 一堆平台

不足

• 纯编码峰值不够：DeepSWE 落后 GPT-5.6 Sol Max 和 Fable 5 Max 一档
• 视觉产出偏保守：交互项目第一版常需再推一把才出彩
• 版本寿命短：一个月一更，4.7 已在训练，刚适配完可能又要换

适合谁用

聊完分数和价格，再看你到底属不属于它的目标用户。

• 跑长任务的开发者：需要模型自己调研、改多文件代码、迭代多轮的场景，价格优势最大
• 预算敏感团队：想把前沿模型用在量大但单价敏感的工作流上，它是最划算的选择
• 做原型验证的人：从想法快速起一个能看能跑的视觉原型，第一遍结构就能用
• 不太适合的人：只追最强编码峰值、愿意为单项能力付高价的重度用户，GPT-5.6 Sol Max 或 Fable 5 Max 更合适

多少钱

截至 2026 年 8 月官网显示，Grok 4.6 采用纯 API 按量计费，没有订阅档。

另外还有个高速版（fast variant），价格是标准版的两倍，适合对延迟敏感的场景。首发第一周，Cursor 和 Grok Build 有 2 倍用量额度，是白嫖试跑的好窗口。

这个定价放在前沿模型里属于中档偏下，输出价只有 GPT-5.6 Sol Max 的五分之一。长任务最烧的就是输出 token，所以跑智能体工作流时它的成本优势会被进一步放大。

拿真实场景算笔账：跑一轮 AA-Briefcase 级别的长时知识工作，Grok 4.6 平均约 53 轮交互、5 亿输入 token，而 Claude Opus 5 Max 要约 103 轮、20 亿 token。单就这条工作流，前者的 token 成本能压到后者的四分之一左右。

常见问题

正文没讲透的，这里挑几个最常被问的一次说清。

Q1：Grok 4.6 多少钱？

A1：输入 $2、输出 $6 每百万 token。 这是 2026 年 8 月官网标准版短上下文定价，长上下文翻倍，高速版再翻一倍。

Q2：支持中文吗？

A2：支持，但中文长任务体验略弱于英文。 模型是多语言的，不过训练数据和基准都偏英文，中文复杂任务建议先小规模验证。

Q3：上下文窗口多大？

A3：50 万 token。 支持文本和图片输入，输出为纯文本，没有硬性输出 token 上限。

Q4：在哪里能用 Grok 4.6？

A4：Cursor、Grok Build、xAI API、OpenRouter、Vercel、Cloudflare、OpenCode、Devin 均已上线。 普通用户最省事的路子是 Cursor 或 Grok Build。

Q5：和 Grok 4.5 比提升多少？

A5：AA 智能指数从 56 提到 61，DeepSWE 从 54% 跳到 65.9%。 长任务稳定性和自我校验是提升最明显的两块。

Q6：能商用吗？版权归谁？

A6：API 输出可商用，具体条款以官方服务协议为准。 企业大规模部署建议先过一遍合规和 SLA 条款。

Q7：适合做什么，不适合做什么？

A7：适合长时智能体和跑量任务，不适合追最强编码峰值。 要单项最硬的能力，GPT-5.6 Sol Max 和 Fable 5 Max 仍压它一头。

Q8：Grok 4.7 什么时候来？

A8：官方透露 3 到 4 周后，已在训练。 据马斯克在 X 上的说法，4.7 比 4.6 强不少，正在补 SpaceX 数据。

Q9：Grok Bot 和 Grok 4.6 什么关系？

A9：Grok Bot 是跑在 Grok 4.6 上的智能体产品。 它是独立的 AI 队友产品，自带云电脑，目前随 SuperGrok Heavy、Cursor Ultra 等订阅开放测试。

Q10：有免费额度吗？

A10：首发第一周 Cursor 和 Grok Build 有 2 倍用量额度。 这是限时促销，不是长期免费额度，过了窗口期按正常 API 计费。

结论

Grok 4.6 是 2026 年性价比最高的长任务大模型，没有之一。它没有在单个基准上封神，却用不到对手一半的价格，把长时智能体能力拉到了第一梯队，这才是它真正值钱的地方。

如果你的痛点是”让模型自己把活干完、别总来烦我”，它值得立刻上手试，尤其是首发这一周的 2 倍额度窗口。但如果你的场景是”只追最强编码峰值、钱不是问题”，那 GPT-5.6 Sol Max 或 Fable 5 Max 依然是更硬的选择。

一句话：量大、任务长、在意成本，选 Grok 4.6；要单项极限，往上加钱。