Grok 4.6

一个月内的第二次旗舰更新

Grok 4.6 是 SpaceXAI（原 xAI）于 2026 年 8 月 12 日发布的旗舰模型，距离上一代 Grok 4.5 只隔了一个多月。API 模型名为 grok-4.6，已在官方 API、Grok Build、Cursor、OpenRouter、Vercel 和 Cloudflare 上提供。

官方给这一代划的重点是「更长」：长周期智能体任务、编程、知识工作，以及交互式和视觉类项目。

训练上到底改了什么

SpaceXAI 说明，Grok 4.6 相比 4.5 做了更长时间的补充训练，加入了模型自身生成的推理数据、高级技术概念数据和高质量工程数据，并改进了优化器与训练配方。监督微调轨迹覆盖 STEM、软件工程和知识工作；强化学习环境则铺得很开——通用编程、知识工作、内核优化、Web 开发和计算机辅助设计都在内。

官方特别强调的一点是行为层面的变化：模型更擅长跨多个步骤持续工作，并在较长的执行轨迹中表现出更多主动自测与验证行为。对做智能体应用的人来说，这类「自己会回头检查」的倾向往往比单次跑分更重要。

规格与推理档位

接受文本与图像输入、输出文本，上下文窗口 500,000 tokens，知识截止 2026 年 2 月 1 日，官方标注无文本输出长度上限。推理强度通过 reasoning_effort 配置，比 4.5 多出一档，支持 low / medium / high / xhigh 四档并默认 high。接口支持 Responses API 与 Chat Completions，工具能力包括函数调用、Web 搜索、X 搜索和代码执行，并支持结构化输出。

官方评测：注意 Terminal-Bench v3.0 那个数字

官方发布页列出的 Grok 4.6 High 档成绩为：AA Intelligence Index 61、GDPVal-AA v2 1753、CursorBench v3.2 69.9%、DeepSWE v1.1 65.9%、FrontierCode v1.1 Extended 61.3%、APEX-Agents 57.5%、APEX-SWE 56.4%、AA-Briefcase 1577、Terminal-Bench v3.0 26.0%、Harvey LAB 15.8%。

后两项低得很显眼，但这不是模型的问题，而是基准的难度层级不同：Terminal-Bench 从 2.x 升到 3.0 后大幅提高了长程与开放度要求，Harvey LAB 则是专业法律领域的高难度评测。把 26.0% 和同页的 69.9% 放在一起看，恰恰能说明当前一代模型的能力边界在哪。这些基准的任务集、agent harness、工具权限和计分尺度都不一致，不应脱离各自条件横向比较。

价格：注意 200K 这条分界线

官方价格表按提示长度分段计费，这是它和 Grok 4.5 最实际的差别：

• 提示低于 200K tokens：每百万 tokens 输入 2.00 美元、缓存输入 0.50 美元、输出 6.00 美元——与 Grok 4.5 同价。
• 提示达到或超过 200K tokens：分别涨到 4.00、1.00 和 12.00 美元，正好翻倍。

也就是说，只要提示控制在 200K 以内，从 4.5 升级到 4.6 不会多花钱；但如果你正是冲着 500K 上下文来的，实际单价要按翻倍那一档算。发布页另提到存在两倍价格的快速变体，但官方模型目录中目前没有独立的 fast API 模型名，因此本页只收录 grok-4.6 的标准价格。模型权重、参数规模与训练细节未完整公开。

官方来源

• SpaceXAI 官方发布页