SpaceXAI｜发布Grok 4.6：面向长时智能体与编程

又一次旗舰换代之后，SpaceXAI把卖点从「聊天分数」拧向「能不能在长任务里自己查、自己改、自己验」。

SpaceXAI由原xAI体系演变而来，在SpaceX收购相关交易后以新品牌运营Grok模型家族。消费侧Grok以对话与生成见长；开发者侧则通过API、Grok Build（面向编程Agent的产品形态）以及Cursor等编辑器分发争夺「写代码、跑工具、改仓库」的默认模型位。所谓长时运行Agent，白话就是任务跨越多轮工具调用与自检，而不是一问一答结束。

8月12日发布的Grok 4.6被定位为面向长时Agent、编程与知识工作，同日可在Grok Build、Cursor及API使用，并与OpenRouter、Vercel、Cloudflare等分发伙伴对接。第三方Artificial Analysis Intelligence Index口径给出约61分，较Grok 4.5 High提升约5分，并与OpenAI GPT-5.6 Sol等处于同一竞争带；公司自测表显示CursorBench、DeepSWE、APEX-Agents等多项指标相对上一代明显抬升，但Terminal-Bench等仍落后部分对手。训练叙事强调更长的补充训练、用上一代模型再生轨迹，以及面向编程、知识工作与CAD等环境的强化学习。

定价与分发上可核验的要点：

1. 标准API：提示低于约20万Token时约2美元/百万输入、6美元/百万输出；缓存输入另有优惠档。
2. 长上下文加价：提示达到约20万Token后，整单升至约4/12美元口径；上下文窗口约50万Token。
3. 更快变体：公开材料称有约两倍价格的更快档位。
4. 拉新：首周在Cursor与Grok Build提供双倍包含用量；Grok Build挂在SuperGrok等订阅计划下。

把Grok 4.6放进企业Agent采购坐标：比的不只是领袖榜，而是完成同一工单的回合数与Token总账。第三方测试曾给出任务成本与回合效率的对照口径，但生产环境仍取决于编排、缓存与重试策略。同时，Grok品牌过往的内容安全与治理争议，会成为金融、政务与消费品牌采购中的独立评估项——技术分数与品牌风险不在同一张表上，却会一起进投标文件。

需要把边界读清楚。榜单与自测并非完全受控的四方同台评测；历史争议针对的是既往部署与平台治理，不能直接等同于断言新权重必然复现特定事故，但也无法从采购清单里抹掉。下一观察点是长时Agent在真实仓库与工单场景中的失败恢复率，以及企业是否愿意在合规审查后把它写进默认路由。