马斯克又出手了。8 月 12 日，SpaceXAI 正式发布新一代大模型 Grok 4.6，直接把矛头对准了”AI 干活能力”和”价格”两件事：在真实世界专业任务评测中登顶第一，API 定价却只有其他前沿模型的一半。消息一出，AI 圈讨论度瞬间拉满——毕竟”性能第一 + 价格腰斩”的组合，在旗舰模型里并不常见。
Grok 4.6 强在哪？
Grok 4.6 的核心升级方向是三项：长时间运行的智能体（Agent）、复杂编程、知识工作。简单说，它不只是”会聊天”的模型，而是更擅长”连续干活”——多步骤任务、调用工具、写代码改代码、持续推进复杂工作。这恰恰是当前 AI 应用落地最需要的方向：用户真正要的不是一个能聊天的模型，而是一个能把活儿干完的”AI 员工”。
在 Artificial Analysis 推出的 GDPVal-AA v2 评测中——这是一项面向真实世界专业知识工作的 AI 智能体评估——Grok 4.6 拿下 1753 Elo，排名第一，超过 Claude Fable 5 Max 的 1741 分和 GPT-5.6 Sol Max 的 1728 分。换句话说，在”AI 干活”这件事上，Grok 4.6 暂时站在了最前面。
价格：直接腰斩
Grok 4.6 的 API 定价为：输入 2 美元/百万 Token、输出 6 美元/百万 Token。SpaceXAI 在公告中将其定位为”其他前沿模型的一半价格”，主打高性价比。值得注意的是，这个价格甚至比不少二线模型还便宜，却能提供第一梯队的智能体能力——这对开发者来说吸引力巨大。
而且它已经在 Cursor 等开发者入口直接提供服务：Cursor 官方与 SpaceXAI 联合宣布了集成。用 Cursor 写代码的人，很快就能在自己的工作流里切换到 Grok 4.6，实测长任务编程场景的表现。
和 DeepSeek 的”撞车”是巧合吗？
几乎同一时间，DeepSeek V4 Pro 正式版也悄然上线。两款高性价比旗舰同日发力，都押注智能体与长任务场景——这背后是 AI 行业竞争逻辑的变化：能力差距在缩小，价格和”能不能干活”成了新的胜负手。
过去两年，前沿模型的竞争是”谁跑分最高”；而从这两天的发布看，叙事已经变成了”性能接近的同时，谁更便宜、谁更好接入”。对开发者来说，选择变多了，成本在下降，这当然是好事；对 OpenAI、Anthropic 等传统高价厂商而言，压力则实实在在——如果性能已经足够接近，为什么还要为更贵的模型支付数倍成本？
值得注意的边界
需要说明的是，Elo 榜单数据来自 SpaceXAI 官方公布，第三方复现结果有待观察；不同基准的侧重点不同，单项第一不代表全面领先。另外，具体 API 价格、可用区域、以及国内开发者如何访问，都要以官方页面为准，不建议仅凭海外定价做判断。
还有一个现实问题：目前头部模型能力的差距已经缩小到”定价梯度”的层面，选模型越来越像选手机——参数之外，还要看生态、接口、成本和稳定性。这既是好事（选择更多），也是挑战（决策更复杂）。
一句话总结
Grok 4.6 告诉我们：前沿模型的门槛正在被”性价比”拉下来。AI 工具越来越强、越来越便宜，普通人能用的东西越来越多——这才是最实在的利好。对做 AI 应用和副业的人来说，这是一个信号：可以开始认真考虑把工作流切到更便宜的第一梯队模型上了。
对开发者的实操建议
如果你正在做 Agent 应用或编程工具，Grok 4.6 值得认真测一轮：一是长任务场景，看它能不能稳定跑完多步骤流程；二是工具调用，看它对 Function Calling 的支持是否顺手；三是成本账，按”每百万 Token 输出 6 美元”算，同等工作量相比高价模型的成本差距有多大。测试的时候建议带上自己的真实业务场景，而不是只看榜单——榜单衡量的是平均水平，你的业务要的是”够用 + 稳定 + 便宜”。
还要提醒一点：模型发布初期，服务稳定性、限流策略、开发者工具链都可能快速迭代，正式大规模接入前，建议先在非关键流程上跑一两周，观察实际表现。
你会用 Grok 4.6 做什么？写代码、做智能体还是研究？评论区聊聊。
