埃隆·马斯克的AI公司SpaceXAI于12日（当地时间）发布了新的AI模型Grok 4.6。该模型重点强化了“长时间工作”的能力。SpaceXAI表示，Grok 4.6被设计用于完成资料检索、信息分析、代码处理、应用程序制作等需要经过多个步骤的复杂任务。
◆ 从问答型AI走向任务执行型AI
Grok 4.6瞄准的市场是智能体AI。与只对一个问题给出一个答案的传统聊天机器人不同，智能体AI是指在接到目标后，会自行制定计划、使用工具、检查中间结果，并在无需人工介入的情况下持续推进工作的方式。
SpaceXAI解释称，Grok 4.6在长任务中展现出自主验证的行为，即在进入下一步之前，会先对自己完成的工作进行测试和确认。公司还介绍，它在接到产品创意后，能够调查陌生领域、搭建结构并实现核心功能，最终输出可运行的首个版本。
记忆容量也有所提升。Grok 4.6一次可处理50万个token。token是AI处理文本的最小单位，50万个token相当于多部长篇小说的篇幅。这意味着它可以整套读取厚重的合同文件或大型程序代码，并直接交由其执行任务。
价格则与上一代保持一致。API标准下，输入每100万个token为2美元，输出每100万个token为6美元。这被解读为在提升性能的同时锁定价格，以性价比取胜的策略。发布后一周，SpaceXAI还将为自家开发工具提供双倍基础使用量的促销。
◆ 成绩单一看，文书第一、编程偏弱
AI模型的性能通常通过基准测试来比较，这类似于参加多门学科考试后再计算平均成绩的模拟测验。
在综合指标Artificial Analysis智能指数中，Grok 4.6获得61分，比上一代Grok 4.5提高了5分，与OpenAI的GPT-5.6最高版本持平。据VentureBeat报道，目前榜首仍由Anthropic占据，Claude Opus 5位列第一，Claude Paple 5以62分排在第二，而Grok 4.6与GPT-5.6并列第三集团。
不过，各项成绩差异明显。在评估实际文档撰写和知识劳动的测试中，Grok 4.6在对比对象中排名第一。相反，在衡量真实软件错误修复能力的实战编程测试中，它以65.9%落后于GPT-5.6的73%和Claude Paple 5的70%。在终端环境任务评估中，也仅达到竞争模型的三分之二左右。
这意味着它在报告整理和办公事务上更强，而在高难度编程实务上相对较弱。由此也可看出，按用途选择不同模型的时代已经到来。
◆ 几周后预告4.7，速度战的利与弊
马斯克已经公开了后续版本的时间表。根据罗伊特新闻等多家外媒报道，马斯克表示将在Grok 4.6发布后的数周内推出Grok 4.7。外界还预测，Grok 4.7的参数规模将达到2.1万亿。
参数可理解为AI“大脑”中的调节装置，数量越多，通常意味着可进行更复杂的判断。若按计划推进，这将是一场在盛夏连续推出两款大型模型的速度战。SpaceXAI正在美国孟菲斯建设、并持续扩建的超大型GPU集群“Colossus”，被认为是这场速度战的底气所在。
不过，围绕快速发布也出现了担忧。外媒指出，AI安全研究者担心，发布速度可能先于验证速度。此外，由于Grok聊天机器人过去曾因不当回答引发争议，分析认为，对企业客户而言，除了性能之外，信任管理也将成为关键。
从用户角度看，模型竞争加剧意味着选择更多。顶级模型之间的分差已缩小到1至2分，价格和用途上的优势正成为选择标准。文书任务多的用户可选Grok，编程实务较多的用户则可选择其他模型。对于把工作交给AI智能体的企业而言，还应同步建立结果验证流程。
如果Grok 4.7如期推出，今夏AI竞争的下一轮就将开启。竞争焦点正从比拼分数，转向谁能工作更久、谁更值得信赖。
