SpaceXAI的Grok 4.6在人工分析智能指数上得分61，跻身于与GPT-5.6 Sol齐名的前沿，展现出卓越的智能性能，同时成本更低。Grok 4.6在发布后仅一个多月内在智能指数上较Grok 4.5提升了5分，较Grok 4.3提升了23分。这将SpaceXAI带回了智能前沿，仅次于Anthropic。主要要点： ➤ Grok 4.6加入了人工分析智能指数的前沿：得分61，与GPT-5.6 Sol（最高）并列，在Claude Opus 5（最高，63）和Claude Fable 5（最高备份，62）之后，领先于Kimi K3 ➤ 强大的智能表现：Grok 4.6的GDPval-AA v2 Elo得分为1753，仅次于Claude Opus 5，与Claude Fable 5和Qwen3.8 Max存在重叠的置信区间。在𝜏³-Banking中得分50.7%，与Qwen3.8 Max（51.3%）并列为前两名得分，并在Terminal-Bench v2.1中得分88.4%，与领先模型持平 ➤ 以更低的成本实现前沿级智能：Headline定价与Grok 4.5保持不变，为每百万输入/输出Token 2美元/6美元，低于Claude Opus 5（5美元/25美元）和GPT-5.6 Sol（5美元/30美元）60%以上。每个任务的成本为0.84美元，与Kimi K3相同但智能略高，将其置于智能与每任务成本的帕累托前沿 ➤ Grok 4.6在AA-Briefcase的表现相当于Fable 5级别，这是我们针对长期智能知识工作的私有基准，Elo为1577，落后于Claude Opus 5系列。它的效率显著，平均大约53轮和0.5B输入tokens就完成任务，而Claude Opus 5（最高）需约103轮和2.0B输入tokens。其他模型细节： ➤ 上下文窗口为500k tokens（与Grok 4.5保持不变） ➤ 输入/输出每百万tokens定价为2美元/6美元；缓存命中折扣至每百万tokens 0.5美元，比Grok 4.5的每百万tokens 0.3美元有所上升。智能表现Grok 4.6在智能工作方面取得的最好结果，而不是静态推理。根据我们的领先评估真实世界智能知识工作的GDPval-AA v2，它的Elo得分为1753，仅次于Claude Opus 5，且与Claude Fable 5及Qwen3.8 Max在统计上不可区分。在各类任务中，这一趋势得以保持。𝜏³-Banking（50.7%）测试多轮客户服务及工具使用，使Grok 4.6进入前两名，而Terminal-Bench v2.1（88.4%）使其在基于终端的软件任务上达到与领先者同等的水平。极少有模型能够在知识工作、客户服务及终端使用三者间同时具有竞争力；结合其定价，这使得Grok 4.6在智能指数的每一项智能评估中处于成本与表现的帕累托前沿。成本在智能前沿，保持不同代之间的Headline定价不变是非常罕见的，通常智能的提升伴随着价格的上涨。Grok 4.6在保持每百万tokens 2美元/6美元的定价下，实现了5分的智能指数提升，我们测得每任务的成本0.84美元，反映了这一定价和合理的token效率。对买家而言，重要的比较是与得分在其两分之内的模型：Claude Opus 5的定价为5美元/25美元和GPT-5.6 Sol的定价为5美元/30美元。Grok 4.6提供了与GPT-5.6 Sol相同的智能指数得分，但输出token价格仅为其一部分，这在推理密集型工作量中是主导成本的维度。长期智能工作Grok 4.6在AA-Briefcase上首次亮相，这是我们私有的长期智能知识工作基准，Elo为1577。这使得它位于Fable 5级别，落后于Claude Opus 5系列，在评分、展示质量和分析质量上表现一致优异，而不是在一个维度上的强度抵消另一个维度的弱点。效率特性与得分同样引人注目。Grok 4.6平均用约53轮和0.5B输入tokens解决任务，而Claude Opus 5（最高）需约103轮和2.0B输入tokens。长期智能工作迅速积累上下文，因此，一个在一半的回合和四分之一的输入tokens内达到相应答案的模型，成本优势远超其每token定价。完整结果有关人工分析智能指数中各个评估的完整细分：请查看人工分析以获取更多关于Grok 4.6的详细资料和基准：https://artificialanalysis.ai/models/grok-4-6