Grok 4.6 是什麼：主打長時間代理任務的模型
Grok 4.6 是 SpaceXAI 推出的模型。先交代公司背景，因為這一兩年變化很大：Grok 原本是 Elon Musk 的 AI 公司 xAI 做的；2026 年 2 月 SpaceX 把 xAI 整個併進來，6 月 12 日 SpaceX 以代號 SPCX 掛牌上市（詳見 SpaceX 公司深度分析），7 月 6 日 xAI 正式改名 SpaceXAI。
官方給它的一句話定位是：在 Grok 4.5 的基礎上，特別加強「長時間運行的代理」與「更有企圖心的互動與視覺成品」。這兩個詞先翻成白話：
- 代理（agent）：讓 AI 自己連續多步驟用工具把事情做完。例如讀你的程式碼、改好幾個檔案、跑測試、失敗了自己再修，全程不用你一步一步下指令。
- 互動與視覺成品：不只給你一段文字，而是直接做出一個能點、能看、排版完整的東西：一個小網站、一份儀表板、一份有版面的文件。
換句話說，它的目標從「答得準不準」往「能不能自己把事情做完」移動。這個定位決定了它的長處與短處，下面全部圍繞這一點展開。
官方發布影片把訴求整理得比文字清楚，46 秒可以看完：
影片：SpaceXAI 官方發布影片（來源：x.ai/news/grok-4-6，為方便閱讀已壓縮）
規格用一張表講完。
| 規格 | 內容 |
|---|---|
| 一次能讀進的內容量 | 500,000 token（與前代相同） |
| 看得懂什麼 | 文字＋圖片（輸出只有文字，且沒有輸出長度上限） |
| 思考力道可調 | 低、中、高（預設）、極高 四段 |
| 模型代號 | grok-4.6 |
| 發表日 | 2026 年 8 月 12 日 |
（資料來源：SpaceXAI 開發者文件與官方 Release Notes。token 是模型切分文字與計價的單位，同一段中文會用掉多少 token 依內容而異。）
Grok 4.6 強在哪：從「回答問題」走向「做完一件事」
官方對這一代的整個敘事重心，是讓模型撐得久。
這不只是行銷詞，官方公布的數字確實往這個方向偏。把前代到這代的進步幅度攤開來看，進步最多的三項全是「要連續跑很多步」的任務型測驗：
這張圖的實用讀法是：你如果只拿它問問題、寫短文，體感不會有太大差別；差別要在「交代一件事讓它自己做完」的用法上才吃得到。
官方訓練說明也對得上。這代做了比前代更長的補充訓練，並且用 4.5 這個舊模型去重新生成訓練用的示範資料，再用模型自動篩掉有問題的紀錄。強化學習階段則餵了大量代理任務環境，包括核心運算最佳化、網頁開發、電腦輔助設計等等。簡單說：用上一代當老師，專門教這一代怎麼把長任務做完。
官方另外提到一個有意思的觀察：在比較長的任務裡，開始看到模型會自己先驗證再往下做，做完一步先檢查對不對，才繼續。這是代理任務最花錢也最容易翻車的環節，能自己收斂的話省的不只是時間。
實務上訴求分成三塊。
第一塊：更懂你的工具與團隊怎麼運作。
第二塊：處理具體、瑣碎、有專業脈絡的工程任務。 官方影片直接列出一串技能名稱當例子，都是實務上很吃經驗的細活：
第三塊：做出來的東西比較像成品。 官方說法是，給一個具體的產品想法，它能在一次就把應用的結構和視覺語言立起來，不用來回調很多輪。影片裡示範的成品長這樣：
這一塊要提醒一下：這是官方精選的展示畫面，不是隨機抽樣。它證明「模型做得到」，不代表「你每次都會拿到這個水準」。
Grok 4.6 的成績單：官方自己的表最誠實
先看獨立的那一份。評測機構 Artificial Analysis 的綜合智力指數（九項測驗合成的分數），Grok 4.6 拿到 61 分，在榜上 183 個模型裡排第 6。
這個數字有兩件事值得說。第一，它印證了官方的說法：公告寫「在這個指數上追平 GPT-5.6 Sol」，獨立那邊確實也是 61 對 61。第二，把四個模型放在同一張圖上，你會發現真正的故事是大家擠在一起：
第一名跟第三名差 1 分。以一般使用者的體感來說，這種差距幾乎感覺不出來，真正影響你的是價格、速度，以及有沒有在你用的介面裡。
接著看官方自己的那一份，這張表其實比公告文字誠實得多。SpaceXAI 在公告裡放了一張十項對照表，並且照慣例把每項最高分標粗體。把粗體算一算：
在廠商自己挑選的測驗組合裡，它只拿下十分之三。這句話值得記住：廠商公告通常會挑對自己有利的測驗，而這張表即使如此，領先的仍是對手。
完整數字放在這裡給想細看的人：
| 測驗項目 | Grok 4.6 | Grok 4.5 | GPT-5.6 Sol | Claude Fable 5 |
|---|---|---|---|---|
| 綜合智力（AA Index） | 61 | 56 | 61 | 62 |
| 真實職場產出（GDPVal-AA v2） | 1753 | 1526 | 1728 | 1741 |
| 編輯器實戰（CursorBench v3.2） | 69.9% | 66.7% | 67.2% | 70.5% |
| 修 bug 長任務（DeepSWE v1.1） | 65.9% | 54% | 73% | 70% |
| 前沿程式題（FrontierCode v1.1） | 61.3% | 56.6% | 60.6% | 63.6% |
| 代理任務（APEX-Agents） | 57.5% | 47.1% | 56.7% | 59.2% |
| 終端機長任務（Terminal-Bench v3.0） | 26% | 15.7% | 34.6% | 34.1% |
| 軟體工程（APEX-SWE） | 56.4% | 53.6% | 未列 | 58.8% |
| 知識工作（AA-Briefcase） | 1577 | 1313 | 1502 | 1574 |
| 法律長文（Harvey LAB） | 15.8% | 12.9% | 2.5% | 11.3% |
（粗體＝該項最高分。資料來源：SpaceXAI 官方公告。官方註記：對手分數取自各家自述或公開可得結果中的最佳值。GDPVal-AA 與 AA-Briefcase 為 Elo 分數，數字越大越好，與百分比不同標尺。）
看得出兩個模式。Grok 4.6 贏的三項（真實職場產出、知識工作、法律長文）都偏向文書與知識工作；輸得最難看的終端機長任務，恰恰是最純粹的「自己在電腦前面連續操作很久」。這跟官方主打長時間代理的敘事有點張力：長任務進步幅度最大是真的，但進步幅度大跟追上對手是兩回事，它是從 15.7% 追到 26%，對手在 34% 上下。
Grok 4.6 弱在哪：兩個要自己補的空格
除了成績表上的落差，有兩件事屬於查不到資料，而不是查到壞消息。這個區別很重要，我不會替它樂觀，也不會替它悲觀。
第一，連續第二代沒有安全報告。 官方公告裡有一段「安全與能力」，三句話：防護已隨能力調校、安全機制設計成在合法用途上盡量不擋、做了史上最廣的部署前測試。三句都沒有任何數字，也沒有附上 model card（模型安全評估文件）。前代 Grok 4.5 就沒有發，這是連續第二代。對照 Anthropic 與 OpenAI 發布當天就附完整安全報告的做法，這個缺口是實打實的。
第二，幻覺率還沒有獨立數字。 幻覺（hallucination）是行話，白話就是一本正經講錯話。這在前代是個大問題：Grok 4.5 在獨立評測的幻覺率是 54%，比再前一代翻了一倍多。4.6 的同項成績在本文查核當下查不到，Artificial Analysis 的該欄位仍標示無資料。
同樣沒有的還有中文專項成績、實測輸出速度、延遲數字；獨立評測目前只有智力指數和價格是齊的。這代表任何「Grok 4.6 幻覺改善了」或「中文變好了」的說法，在有獨立數字之前都沒有證據支撐。想確認最新狀況，回到 Artificial Analysis 的頁面看有沒有補上是最快的做法。
還有一個小觀察：Cursor 的部落格文章是與 SpaceXAI 共同發布的同一份稿子，內文幾乎逐字相同。前代發布時 Cursor 還另外公布了自家的測驗表（並且在註腳誠實承認訓練資料混進自家程式碼舊快照），這次沒有這一份。少了一個交叉檢核的來源。
Grok 4.6 的價格：牌價便宜，但有一格容易忽略
以旗艦等級的模型來說，它的牌價站在便宜的那一端，而且跟前代完全一樣。
| 項目 | Grok 4.5 | Grok 4.6 |
|---|---|---|
| 輸入 | $2 | $2 |
| 輸出 | $6 | $6 |
| 快取輸入 | $0.30 | $0.50 |
| 超過 20 萬 token 後（輸入／快取／輸出） | $4／$0.60／$12 | $4／$1／$12 |
（單位：美元／每百萬 token。資料來源：Grok 4.6 文件與 Grok 4.5 文件。）
跨代唯一調漲的是「快取輸入」這一格，從 0.3 漲到 0.5 美元，幅度約三分之二。快取輸入指的是重複讀同樣內容時的優惠價，例如你的程式碼庫、系統提示這種每次都要重讀一遍的東西。對一般使用者這格無感，但對真的在跑代理任務的人來說，這正是用量最大的一格：讓 AI 連續跑二十步，前面十九步的脈絡每一步都要重讀一次。
換句話說，漲價漲在這代主打的用法上。這是個值得先算清楚的細節，不影響它整體便宜的定位。
另外兩個要注意的地方沿用自前代：單次請求達到 20 萬 token 時，整筆請求跳成兩倍價，先前的部分也一起變貴；以及官方提到有一個速度較快的變體版本，價格是兩倍。
哪裡用得到 Grok 4.6
首發的管道是這些：
| 管道 | 說明 |
|---|---|
| Cursor | 程式編輯器，與 SpaceXAI 聯合發布 |
| Grok Build | SpaceXAI 自家的開發者介面 |
| SpaceXAI API | 開發者按用量計費的介面，模型代號 grok-4.6 |
| OpenRouter／Vercel／Cloudflare | 第三方平台轉接 |
官方公告發布時未同步宣布 grok.com、X 平台與 Grok 手機 app 的上線時間，所以這一代的首發重心明顯放在開發者。消費端的實際狀況會隨時間變動，要確認你的帳號現在用得到哪一版，以 SpaceXAI 官方公告與 app 內的說明為準。Grok 免費版的中文使用方式，可以看這篇教學。
Grok 4.6 跟 GPT-5.6、Claude 怎麼選
把上面的證據收斂成一張表：
| 你的情境 | 建議 |
|---|---|
| 跨檔案改程式、跑量 | Grok 4.6 划算，牌價站在便宜的一端 |
| 交代一件事讓它自己做完 | 它的主場，但終端機類的長任務仍落後對手約 8 個百分點 |
| 文書、報告、知識工作 | 這是它成績最好的一塊，官方表上三項第一都在這裡 |
| 要求文字品質與介面品味 | Claude 仍是社群公認的品質守門員 |
| 高風險內容、對外文字 | 建議 Claude 或 GPT。連兩代沒有公開安全報告，幻覺率也沒有新數字 |
| 中文長文寫作 | 沒有任何一方有 Grok 4.6 的中文成績，先拿短任務自己試最準 |
GPT-5.6 詳見 ChatGPT 5.6 一次看懂；Google 陣營詳見 Gemini 3.6 Flash 一次看懂。
一句話版本：把「要自己做完的粗活」交給它最划算，需要品質跟安全感的活交給 Claude 或 GPT，錢包決定比例。
小結：它賣的是「做完一件事」的能力
Grok 4.6 整條產品線是一致的：能力往長任務走、首發先進開發者管道、漲價漲在代理用量最大的那一格。它很清楚自己在對誰說話。
判斷它值不值得，關鍵不在跑分高低，而在你的用法。如果你只是問答、寫短文，這一代帶給你的差別很小；如果你會把一整件事交出去讓它自己做完，進步幅度最大的正好是這一塊。
也別忘了那兩個空格。連續兩代沒有安全報告，幻覺率也還沒有新的獨立數字。這兩欄目前是空白，還談不上好壞，重要的輸出自己再查證一次，是現階段最實際的自保方式。小企鵝會持續追蹤。