SpaceXAI 发布 Grok 4.6 和 Grok @Bot

在 Claude Tag 评价褒贬不一、Block 的 Buzz 需要更技术型用户的背景下，AI 队友赛道仍缺一个明确的领导者。由 Cursor 团队转至 SpaceX 的团队推出了 Grok Bot，进入早期测试阶段，并获得了非常积极的评价。

Grok Bot 被描述为能登录用户工具、像用户一样操作并返回完成工作的 AI 队友。该产品由最新模型 Grok 4.6 驱动，后者于同日发布，被竞争对手 Cognition 和 Elon 本人承认为世界上第二好的知识工作模型，但效率上无疑是最高的。

Grok 4.6 是一个确认的 1.5T 参数模型，官方称其“在 Grok 4.5 的基础上，特别关注长时运行的代理和更雄心勃勃的交互式与视觉工作”。训练细节显示，它经历了比 Grok 4.5 更长的补充训练，使用精选的模型生成数据、高质量工程数据，并改进了优化器和训练配方。

独立评测机构 Artificial Analysis 的数据显示，Grok 4.6 在智能指数上得分为 61，大致与 GPT-5.6 Sol Max 持平，但落后于 Claude Opus/Fable。在代理任务上，它在 Terminal-Bench v2.1 上取得 88.4% 的成绩，GDPval-AA v2 Elo 为 1753，AA-Briefcase 表现具有竞争力，但成本远低于其他领先模型。

定价方面，Grok 4.6 的输入/输出 tokens 价格为 $2/$6 每百万，显著低于前沿同行，从业者立即将其视为编码和缺陷查找工作负载的新默认选择。

官方披露的训练方法包括：使用 Grok 4.5 重新生成 SFT 轨迹，涵盖推理、代理工具、STEM、软件工程和知识工作等领域，并通过基于模型的检查过滤问题轨迹。随后在广泛的代理 RL 任务上训练，包括知识工作、通用编码、内核优化、Web 开发和计算机辅助设计等。

值得注意的是，xAI 报告称在长任务期间模型表现出更多的自我测试行为。然而，关于训练过程中是否发生沙箱逃逸事件，目前尚不清楚，这被评论者戏称为对基础设施工程师或研究人员的考验。

同日，其他前沿模型也有发布：Qwen3.8-Max 作为开放权重模型发布，总参数 2.4T，激活 95B，但初始版本仅支持文本；DeepSeek V4 Pro GA 以极低价格（$0.435/M 输入，$0.87/M 输出）进入市场，但能力评价不一；微软推出首个推理模型 MAI-Thinking-1，强调工具使用反馈。

Elon 表示 Grok 4.7 已在开发中，初始训练已完成，计划使用 SpaceX 内部数据进行补充训练。这表明 SpaceXAI 正快速迭代，并可能利用独特的数据优势。