Grok 4.6 发布：50 万上下文、xhigh 推理级，60 分跻身第一梯队

SpaceXAI 刚刚发布了 Grok 4.6。这是一次在 Grok 4.5 基础上的后训练升级，而非更大的基础模型。SpaceXAI 保持了基础模型不变，将改进精力投入到了更长的补充训练轮次、再生监督微调轨迹，以及在 agentic 环境中的强化学习上——目标是训练出能在多个步骤中持续执行任务而不偏离轨道的 Agent。Grok 4.6 在 Artificial Analysis Intelligence Index 上得分 61，比 Grok 4.5 高出 5 分，与 GPT-5.6 Sol Max 持平。该模型支持 50 万个 context token，已在 Cursor 和 Grok Build 中上线，并新增了一个高于 Grok 4.5 推理档位的 xhigh 推理努力级别。

是的，已投入生产，但适用于一组有边界的负载。该模型通过 xAI API 以 grok-4.6 的名称正式可用，是 Grok Build 的默认模型，已登陆所有方案的 Cursor，并可通过 OpenRouter、Vercel 和 Cloudflare 路由。没有开放权重版本，也没有自托管路径，因此气隙部署（air-gapped deployments）无法使用。

公司阶段：种子轮团队和独立开发者可以立即采用，Cursor 和 Grok Build 无需额外工具链工作。中型工程组织是最强匹配场景：API 接入、mTLS 认证、批处理和优先级处理均有文档支持。受监管企业应先进行试点——该供应商的品牌历史在多个采购委员会中仍是实际的采购审查问题。

行业：软件和开发者工具、半导体和内核工程、硬件和 CAD 相邻设计、金融研究、法律分析。训练数据组合明确针对了其中若干行业。

应用场景：仓库级重构、迁移 Agent、基于 50 万 token 语料库的研究与综合流程、从产品简报生成应用脚手架、GPU 内核优化，以及文档密集型的知识工作。

实际发生了什么变化

Grok 4.6 不是更大的基础模型。SpaceXAI 描述的是比 Grok 4.5 更长的补充训练轮次，使用了精挑细选的模型生成数据来覆盖推理和高级技术概念、高质量工程数据，以及改进的优化器和训练配方。

然后用 Grok 4.5 再生了跨推理努力级别、agent 工具链以及涵盖 STEM、软件工程和知识工作领域监督微调轨迹，用基于模型的检查过滤掉了有问题的轨迹。随后在涵盖知识工作、一般编程、Web 开发、计算机辅助设计和内核优化的 agentic 环境中进行了强化学习。

一个重要的行为洞察是：在更长的轨迹上，SpaceXAI 报告了更多的自我测试和验证行为，模型在继续下一步之前会检查自己的工作。这是一个来自内部测试的供应商观察，而非独立测量的结果。

该模型支持 50 万个 context token，接受文本和图像输入，输出仅限文本，没有公布文本输出限制，知识截止日期为 2026 年 2 月 1 日。reasoning_effort 现支持 low、medium、high（默认），以及一个新的 xhigh 级别。SpaceXAI 没有公布 Grok 4.6 的参数数量。

基准测试：先看损失项

在 xAI 的发布榜单上，Grok 4.6（High）在 Artificial Analysis Intelligence Index 上得分 61，较 Grok 4.5 的 56 分提升 5 分，与 GPT-5.6 Sol Max 持平。它在 GDPval-AA v2（1753 Elo，Grok 4.5 为 1526）、AA-Briefcase（1577，Grok 4.5 为 1313）和 Harvey LAB 上领先榜单。

但在工程团队最关心的编程指标上处于落后。DeepSWE v1.1 为 65.9%，较上一代提升 11.9 分，但落后于 GPT-5.6 Sol Max 的 73%。Terminal-Bench v3.0 达到 26%，约为 Grok 4.5 的 15.7% 的两倍，但仍在这四款列出模型的末位。CursorBench v3.2 为 69.9%，FrontierCode v1.1 Extended 为 61.3%，APEX-Agents 为 57.5%。

评估时有两点需要注意。首先，榜单中 GDPval-AA v2 和 AA-Briefcase 的加粗胜利位于 Artificial Analysis 公布的置信区间内——属于统计持平，而非真正的领先。其次，对比集合中不含 Anthropic 的 Claude Opus 5，该模型目前在该指数上排名第一。所披露的落后项是更可靠的信号。

根据发布说明，Grok 4.6 在 20 万 prompt token 以下的价格为每 100 万 token $2 / $0.50 / $6（输入 / 缓存输入 / 输出），超过该阈值后为 $4 / $1 / $12。发布页面还提到了一个双倍价格的更快变体，但没有公布单独模型 ID。Grok Build 和 Cursor 首周提供 2 倍的赠送用量。

团队应设置 prompt_cache_key（或在 Chat Completions 上设置 x-grok-conv-id header）。没有它的情况下，请求会分散到不同服务器上，缓存命中率变得不可靠，从而适用全额输入价格。

交互式解读

Grok 4.6 是 Grok 4.5 的后训练升级，不是更大的基础模型。

50 万 context，支持文本和图像输入，新增 xhigh 推理努力级别。

在 AA Intelligence Index 上与 GPT-5.6 Sol Max 持平（61 分）；在 DeepSWE 和 Terminal-Bench 上落后。

同样的 $2 / $6 标称价格，超过 20 万 prompt token 后费率翻倍。

今日可通过 API、Cursor 和 Grok Build 使用——无开放权重，无自托管。