Grok 4.6 发布：基准测试、价格战与 Cursor 收购

xAI 自己为 Grok 4.6 发布的材料严重依赖有利的表述：据称该模型在 WANDR 基准测试中处于性能与效率的帕累托前沿，以超过 60% 的更低成本达到与 Claude Fable 5 相同的结果^[1]，而 Artificial Analysis 赋予其 GDPval-AA v2 Elo 得分为 1753，领先于 Claude Fable 5 的 1741 和 GPT-5.6 Sol 的 1728^[2]。但同一家基准测试机构的完整报告使这一领先变得复杂：在 Terminal-Bench v3.0 上，Grok 4.6 仅得 26%，远落后于 GPT-5.6 Sol 的 34.6% 和 Claude Fable 5 的 34.1%^[2]，而另一项独立评测发现其非幻觉率为 65.7%——这一数据从未出现在 xAI 自己的十行评测表中^[3]。该模型也并非如版本号暗示的那样全新：它沿用了与 Grok 4.5 相同的 1.5 万亿参数 V9 基础架构，其提升来自更长的补充训练和优化的 SFT/RL，而非更大的架构^[4]。引用马斯克本人言论的 Reddit 用户将 4.6 版描述为本质上是 Grok 4.5 应用了更多强化学习，而非更大的模型。

现实世界测试进一步偏离了发布叙事。独立评测中引用的一位实践者称 Grok 4.6 的编码能力“在实际使用中大约相当于 Opus 4.8，但明显低于 Opus 5”^[3]。这并未抹去 Grok 4.6 真实的效率优势——Artificial Analysis 测得其平均以约 53 步和 0.5 亿输入 token 完成长周期代理任务，而 Claude Opus 5 在最大模式下需约 103 步和 20 亿输入 token^[2]——但这确实意味着 xAI 发布时使用的“客观第一”表述建立在选择性基准之上，而非全面领先。

xAI 将 Grok 4.6 的 API 定价维持在每百万输入 token 2 美元、每百万输出 token 6 美元，与 Grok 4.5 相同，远低于 xAI 竞争对手在发布时公布的每 token 费率。这一差距是真实的，也是投资者 Gavin Baker 所引用的数字，他认为 Grok 4.6 以约 85% 的折扣提供了大致相当于 Claude Fable 5 Max 的性能^[5]。但 xAI 并非当天唯一行动的实验室：DeepSeek 在 Grok 4.6 发布数小时内推出了 V4 Pro，定价为每百万输入 token 0.435 美元、每百万输出 token 0.87 美元——仅输出 token 就比 Grok 4.6 便宜约七倍^[6]，将 xAI 描述为价格胜利的局面转变为更广泛同日价格战的一环。

社区成本分析将价格故事从标价推进到每任务完成成本：在 DeepSWE 基准测试中，Grok 4.6 在最高努力模式下得分为 67，每任务成本约 5.50 美元，而 GPT-5.6 在最大模式下以约 0.61 美元每任务达到相同分数，DeepSeek V4 Pro 以约 0.06 美元每任务得分为 63——这表明一旦计入耗 token 的推理，尽管 Grok 4.6 的广告费率较低，它未必是达到特定质量门槛的最便宜方式。xAI 的细则为重度用户增添了额外复杂性：一旦请求超过 200,000 token，整个请求（而不仅是超额部分）将按每百万 token 4 美元和 12 美元的双倍费率计费^[7]，且与 Grok 4.5 相比，缓存输入定价从每百万 token 0.30 美元上涨至 0.50 美元^[1]。净效果是，市场中“比 OpenAI 和 Anthropic 便宜”成立，但“绝对最便宜”则不然。

SpaceX 对 Cursor 母公司 Anysphere 的 600 亿美元全股票收购于 2026 年 8 月 14 日生效，比 Grok 4.6 发布晚两天^[8]。这一时间点的根源比交割日期更早：SpaceX 在 2026 年 4 月获得一项期权，可选择支付 100 亿美元与 Cursor 建立合作关系，或以 600 亿美元直接收购该公司，该公司在两个月后行使了该期权^[9]。关于原始交易的报道指向一个具体动机——xAI 的编码工具（包括 Grok 本身）在开发者市场份额上已落后于 Anthropic 的 Claude Code 和 OpenAI 的 Codex，因此直接收购领先的独立编码代理产品比从头构建更快^[9]。Cursor 为交易带来了真实规模：到 2026 年年中，其年化收入已达到约 26 亿至 40 亿美元^[9]，使 xAI 在单笔交易中同时获得企业客户群和大量真实世界编码训练数据。

两家公司在交易完成前已开始合作：SpaceXAI 和 Cursor 在收购交割前数月已联合训练一个模型，计划在 Cursor 和 Grok Build 中发布。Reddit 上的社区讨论增加了官方公告未提及的细节——一些用户反复推测，现在并入 xAI 的 Cursor 工程团队是 Grok 4.6 在代理编码方面取得进展的背后原因，理由是 xAI 原始创始团队的大部分成员已离职。无论内部机制如何，实际结果在产品中清晰可见：Grok 4.6 在发布首周内于 Cursor 和 Grok Build 中提供双倍包含使用量^[11]，这一促销仅在模型与编码工具被视为同一公司两部分而非供应商关系时才具有商业意义。

Grok 4.6 并未被定位为最终版本。马斯克在发布前数周已预告发布节奏——Grok 4.6 按计划发布，Grok 4.7 预计约一个月后跟进^[10]——一位亲身体验评测者报告称，马斯克在 4.6 发布后不久即描述了一个内部已更好的构建版本。从一个角度看，这种节奏看似是有意的战略选择：将竞争轴心从“谁在发布日拥有单一最佳模型”转向“谁控制最快的迭代循环”。在此视角下，Grok 4.6 更像是一个检查点，而非完成的旗舰产品——该模型部分是为了锁定价格和在 xAI API、Grok Build、Cursor、OpenRouter、Vercel 和 Cloudflare，以及新近的 Perplexity 和 Perplexity Computer 上的分发^[11]，而其创造者自己预计其能力领先优势将在数周内丧失。

这种框架也解释了一个否则看似奇怪的选择：xAI 在 Grok 4.5 和 4.6 之间完全保持定价不变，而非为“新”模型收取溢价^[1]。稳定定价与快速能力迭代正是节奏策略的核心——它消除了成本作为开发者在每个新检查点犹豫的理由，同时能力提升持续快速到来，使竞争对手始终在应对上一版本而非当前版本。社区猜测下一次跃升将涉及一个明显更大的模型——传闻中的 2.1 万亿参数 Grok 4.7，部分基于 SpaceX 自身运营数据训练——若属实，这将标志着真正偏离 4.5 到 4.6 时期“对相同基础架构更强化训练而非更大”的模式。无论如何，现在每个竞争对手实验室都必须决定是匹配 xAI 的发布节奏，还是继续仅以模型质量竞争，而 Grok 4.6 的平价定价和同周 Cursor 整合显然旨在迫使这一决策。