SpaceXAI 推出 Grok 4.6：每百萬輸入 token 2 美元、輸出 token 6 美元，提升長期 Agent 任務能力

SpaceXAI 推出 Grok 4.6：每百萬輸入 token 2 美元、輸出 token 6 美元，提升長期 Agent 任務能力。 可用管道 Grok 4.6 已於 2026 年 8 月 12 日推出，使用者可在 Grok Build、Cursor、Grok Bot 與 API 中使用，另已透過 OpenRouter、Vercel、Cloudflare 等合作夥伴提供。Cognition 也宣布將模型加入 Devin Desktop 與 Devin CLI。Cursor 與 Grok Build 在首週提供兩倍的包含用量；此外，官方提供速度更快、價格為兩倍的 fast variant。 主要能力 Grok 4.6 延續 Grok 4.5 的 500k token context window，並將重點放在需要多步驟持續工作的情境，包括研究主題、分析資訊、跨程式庫作業，以及把概念轉成可運作的應用程式或工作成果。官方表示，模型在較長的工作軌跡中會做更多自我測試與驗證，先檢查成果再繼續下一步。 面對寬泛的產品構想，Grok 4.6 能研究陌生領域、規劃應用程式結構、實作核心互動，並根據多輪回饋持續修正。 在視覺與互動專案上，它能先建立應用程式的結構與視覺語言，再透過 loop 逐步迭代。 Artificial Analysis 指出，Grok 4.6 在知識工作、終端機操作與客戶服務等 Agent 任務上表現強勁。 Devin 表示，Grok 4.6 特別擅長在修改程式碼前詳盡探索程式庫與分析根因，也能遵循 repo 慣例並嚴格測試。 評測結果 Artificial Analysis Intelligence Index 是由九項 benchmark 組成的綜合指標，Grok 4.6 得分 61，與 GPT-5.6 Sol 持平，落後 Claude Opus 5 的 63 分與 Claude Fable 5 的 62 分，略高於 Kimi K3。Grok 4.6 比一個多月前推出的 Grok 4.5 高 5 分；與 Grok 4.3 相比則高 23 分。 Grok 4.6 High 在 GDPVal-AA v2（1753 分）、AA-Briefcase（1577 分）與 Harvey LAB (Vals)（15.8%）取得領先，並在 AA Intelligence Index 以 61 分追平 GPT-5.6 Sol Max，而在多項基準測試上則各有高低。 在更具體的 Agent 評測中，Grok 4.6 的 GDPval-AA v2 Elo 為 1753，僅落後 Claude Opus 5，且與 Claude Fable 5 和 Qwen3.8 Max 的信賴區間重疊；𝜏³-Banking 得分 50.7%，接近 Qwen3.8 Max 的 51.3%；Terminal-Bench v2.1 得分 88.4%，與領先模型同一水準。Artificial Analysis 的私有長期 Agent 知識工作 benchmark AA-Briefcase 中，Grok 4.6 得到 Elo 1577，落後 Claude Opus 5 系列，但在評分規準、簡報呈現與分析品質上都維持穩定表現。 來源：@ArtificialAnlys（回覆）｜Grok 4.6 (high) 在 GDPval-AA v2（1753 分）、τ³-Banking（50.7%）與 Terminal-Bench v2.1（88.4%）皆顯著高於 Grok 4.5 (high) 的 1526 分、42.1% 與 81.6%，展現出明顯的性能提升。 成本與效率 Grok 4.6 的標準價格維持在每 100 萬 input token 2 美元、output token 6 美元，與 Grok 4.5 相同。這比 Claude Opus 5 的 5／25 美元與 GPT-5.6 Sol 的 5／30 美元低 60% 以上；每項任務成本約 0.84 美元，與 Kimi K3 相同，但 Intelligence Index 略高，因此落在「智慧程度與單項任務成本」的 Pareto frontier。快取命中價格為每 100 萬 token 0.5 美元，高於 Grok 4.5 的 0.3 美元。 來源：@ArtificialAnlys（回覆）｜Artificial Analysis Intelligence Index 散點圖直接標示 Grok 4.5、Grok 4.6 與 GPT-5.6 Sol，並以紫色箭頭連接 Grok 4.5 與 Grok 4.6。 在 AA-Briefcase 中，Grok 4.6 平均約以 53 個 turn、5 億個 input token 完成任務；Claude Opus 5（max）則約需 103 個 turn、20 億個 input token，顯示 Grok 4.6 在完成長期工作時具有較高的 turn 效率。 來源：@ArtificialAnlys（回覆）｜Grok 4.6 (high) 在 AA-Briefcase Elo 取得 1577 分，顯著高於 Grok 4.5 (high) 的 1313 分，位居第二僅次於 Claude Opus 5 (max) 的 1715 分。 外部排行 Arena.ai 的 Code Arena: WebDev 排行顯示，Grok 4.6（High）以 1618 分排名第 7，明顯高於 Grok 4.5 的第 13 名與 1553 分；它與 GPT-5.6 Sol（xHigh）的 1622 分、Claude Fable 5 的 1627 分僅差 4 至 9 分，落在第 5 至第 7 名的密集區間。Arena.ai 也提醒，隨著更多投票加入、信賴區間收窄，排名仍可能變得更清楚。 來源：@arena（回覆）｜Code Arena WebDev 排行榜，列出 Grok 4.6 排名第 7 的評比結果長條圖 訓練與安全 根據 SpaceXAI 的發布說明，Grok 4.6 採用比 Grok 4.5 更長的補充訓練，加入模型產生且經整理的推理與進階技術概念資料、高品質工程資料，以及改良的 optimizer 與訓練配方。團隊也使用 Grok 4.5 重新產生不同推理投入程度、Agent harness 與 STEM、軟體工程、知識工作領域的 SFT 軌跡，再以模型檢查排除問題軌跡；後續則以知識工作、一般程式開發、核心最佳化、Web 開發與電腦輔助設計等環境進行 Agentic RL 訓練。 來源：@cognition（回覆）｜Grok 4.6 在 FrontierCode 1.1 Extended 得分為 61.3%，超越 GPT-5.6 Sol (60.6%)，僅次於 Claude Opus 5 (63.6%) 與 Claude Fable 5 (64.9%)。 SpaceXAI 表示，Grok 4.6 的安全防護已配合能力提升重新校準，並完成迄今範圍最廣的上市前能力與防護測試，也做了上市後及第三方測試；但這些仍屬發布方對訓練與安全性的說明，實際效果仍需持續觀察。 Grok 4.6 的深灰色背景標題畫面，中央以白字顯示版本名稱「Grok 4.6」，背景帶有細緻的顆粒質感與右側泛光的流動曲線光影。 來源：@ArtificialAnlys（回覆）｜Grok 4.6 (high) 在 Artificial Analysis Intelligence Index 取得 61 分，較前代 Grok 4.5 (high) 的 56 分提升 5 分，與 GPT-5.6 Sol (max) 並列，僅落後於 Claude Opus 5 (max)（63 分）與 Claude Fable 5 (with fallback)（62 分）。原文：https://easyvibecoding.app/curated/2940-spacexai-grok-4-6-launches-agent-task-upgrade