Grok 4.6

1. 知识工作

这次 Grok 4.6 在知识工作上的表现，比很多人预想得更强。

GDPVal-AA v2 拿到 1753 分，不仅超过 GPT-5.6 Sol 的 1728，也高于 Fable 5 Max 的 1741。

这个测试更接近研究、资料分析、商业文档和知识型办公，而不是单纯聊天问答。过去提到 Grok，很多人第一反应还是实时信息和聊天风格；到了 4.6，这部分正式工作能力已经补得差不多了。

对于资料整理、研究分析和商业文档处理，它已经具备和头部模型正面竞争的实力。

2. 编程与软件工程

再看编程，变化就更明显了。

CursorBench v3.2 跑到 69.9%，比上一代的 66.7% 又往前推了一点；DeepSWE v1.1 则从 54% 直接跳到 65.9%，这个幅度更值得关注。

也就是说，4.6 的提升已经不只停留在“更会写代码”。代码理解、Bug 修复、修改现有项目这些更接近真实开发流程的任务，也明显成熟了。

不过真碰到重型软件工程，差距还在。GPT-5.6 Sol 的 DeepSWE 是 73%；Terminal-Bench 上，Grok 4.6 只有 26%，GPT-5.6 则是 34.6%。

所以日常 Coding、改 Bug、做 Agent 没什么大问题，但命令行操作、复杂环境配置、跨项目修改这些任务，还不能完全和最强模型画等号。

3. Agent 与自动化

Agent 这块，Grok 4.6 的特点不是某一个单项特别夸张，而是整个执行链条开始更像样了。

APEX-Agents 得分 57.5%，略高于 GPT-5.6 Sol 的 56.7%。任务拆解、调用工具、读取结果，再继续往下执行，这套流程已经比较成熟。

拿它跑一般自动化、研究 Agent 或开发工作流，能力基本够用。

它现在更像一个执行速度很快、但还得偶尔盯一下的助手。短任务通常没什么问题，一旦连续跑几十甚至上百步，后半段还是可能出现遗漏或者执行偏移。

所以它已经能做长程 Agent，但距离“任务丢进去，人完全不用管”还有一段距离。

4. 长上下文与多模态

Grok 4.6 提供 50 万 Token 上下文窗口，可以一次处理比较大的代码库、长文档、表格和 Agent 历史记录。

代码、PDF、文档、表格都能处理，同时还支持图像生成和交互式项目，多模态能力比较完整。

50 万 Token 对大部分企业和开发场景已经够用，不过长 Agent 任务不能只看上下文上限。超过 20 万 Token 后，API 会进入更高的计费档位，实际使用时最好控制上下文膨胀。

5. 相比 Grok 4.5，进化了多少？

这一代主要加了更长时间的补充训练、更多工程类数据，以及针对编码和知识工作的强化学习。

从结果看，升级并不是平均铺开的。

CursorBench v3.2 从 Grok 4.5 的 66.7% 提升到 69.9%，属于稳步往前；DeepSWE v1.1 则从 54% 拉到 65.9%，这一项的变化要明显得多。

知识工作和 Agent 也一起往上走。4.6 已经不只是把上一代做得更快，而是把软件工程、知识处理和长任务执行整体往前推了一档。

但短板也还在。复杂命令行操作、超长 Agent 的收尾稳定性，以及真正重型的软件工程任务，依然是它和最强模型之间比较明显的差距。

优势

Grok 4.6 在知识工作、Agent 和编程上已经有第一梯队的竞争力。尤其 DeepSWE 从 54% 涨到 65.9%，说明这一代的软件工程能力并不是小修小补。

价格也足够有杀伤力。标准 API 输入 2 美元、输出 6 美元 / 百万 Token，对需要大量调用模型的产品来说，成本优势很直接。

限制

复杂软件工程仍然没有完全追上 GPT-5.6 Sol，Terminal-Bench 的表现也比较一般。长程 Agent 虽然比以前稳，但还做不到把特别复杂的任务丢进去之后完全不管。

20 万 Token 之后整条请求进入高价档，也是长 Agent 项目需要提前算清楚的一笔账。

推荐人群

做 Coding Agent、AI 编程辅助、自动化工作流、知识处理和研究 Agent 的开发者比较适合，尤其是调用量大、对推理成本敏感的个人开发者和创业团队。

Cursor 用户也很适合直接拿真实项目测试，看看它能不能替掉一部分更贵的模型调用。

不推荐人群

只追求模型绝对上限、不太关心调用成本的人，没有必要为了便宜特意换 Grok。

需要 Agent 长时间无人值守，而且任务包含大量复杂软件工程操作的团队，也更适合先测试稳定性，再决定是否大范围接入。