Grok 4.6 追平 GPT-5.6 Sol，靠的是拿 agent 任务训出来的
xAI 昨天发了 Grok 4.6，Artificial Analysis 智能指数拿到 61 分，和 GPT-5.6 Sol 打平。CursorBench 3.2 是 69.9%，DeepSWE 1.1 是 65.9%，基本上每一项都比 Grok 4.5 强。输入每百万 2 美元、输出 6 美元，还有一个贵一倍的 fast 版本。距离 4.5 才两周，这个节奏本身就说明了 xAI 现在是怎么跑的。
主打的方向是长时间运行的 agent。xAI 说训练里放了 agentic RL 任务，覆盖知识工作、编程，以及几个具体环境——kernel 优化、web 开发、CAD。不是合成的推理谜题，是带真工具和真失败模式的多步任务环境。宣称的结果是模型能把工作扛过很多步、会自己测自己的输出，在视觉和交互类的活上第一版就更接近可用。
最后这条是被低估的一条。视觉工作的一次成型质量没法刷分，而它恰恰是决定一个编程 agent 到底像魔法还是像带孩子的唯一变量。每一次返工都是烧掉的上下文、花掉的 token，和一个被重新拽回循环里的人。
分发做得很凶。Grok 4.6 已经在 Cursor、Grok Build、SpaceXAI API 上线，OpenRouter、Vercel、Cloudflare 也都通了，第一周赠送双倍额度。xAI 没打算等谁来接。要记住的一点是，Artificial Analysis 打平不等于在误差会累积的百轮 agent 循环里也打平——但在排行榜上，跟前沿的差距现在是零。
详情在 https://x.ai/news/grok-4-6
← 返回所有文章
主打的方向是长时间运行的 agent。xAI 说训练里放了 agentic RL 任务，覆盖知识工作、编程，以及几个具体环境——kernel 优化、web 开发、CAD。不是合成的推理谜题，是带真工具和真失败模式的多步任务环境。宣称的结果是模型能把工作扛过很多步、会自己测自己的输出，在视觉和交互类的活上第一版就更接近可用。
最后这条是被低估的一条。视觉工作的一次成型质量没法刷分，而它恰恰是决定一个编程 agent 到底像魔法还是像带孩子的唯一变量。每一次返工都是烧掉的上下文、花掉的 token，和一个被重新拽回循环里的人。
分发做得很凶。Grok 4.6 已经在 Cursor、Grok Build、SpaceXAI API 上线，OpenRouter、Vercel、Cloudflare 也都通了，第一周赠送双倍额度。xAI 没打算等谁来接。要记住的一点是，Artificial Analysis 打平不等于在误差会累积的百轮 agent 循环里也打平——但在排行榜上，跟前沿的差距现在是零。
详情在 https://x.ai/news/grok-4-6
评论