xAI在8月12日发布Grok 4.6。官方将其定位为Grok 4.5之后的一次长程Agent升级，重点面向多步骤任务、代码库分析、研究任务、交互式应用和视觉项目生成。我们对其API版本grok-4.6进行了全面评测，测试其在准确率、响应时间、token消耗和调用花费等关键指标上的表现。
需要说明的是，本次评测侧重中文场景下的综合能力考察，评测维度覆盖教育、医疗、金融、法律、推理数学、语言指令、Agent工具调用以及coding八个板块。Grok 4.6官方主推的长程Agent、视觉交互项目和多步骤工程执行，可以在第3部分结合官方评测数据观察其定位。grok-4.6版本表现：
- 测试题数：约1.5万
- 总分（准确率）：69.7%
- 平均耗时（每次调用）：144s
- 平均token（每次调用消耗的token）：3103
- 平均花费（每千次调用的人民币花费）：118.4
1、新旧对决
对比上一代参照模型grok-4.5，grok-4.6的变化并不是总分继续上升，而是在中文综合准确率小幅回调的同时，coding、语言指令和医疗心理健康有所改善。数据如下：
*数据来源：非线智能ReLE评测https://github.com/jeinlee1991/chinese-llm-benchmark
*输出价格单位： 元/百万token
- 总分小幅回调：grok-4.6总分为69.7%，相比grok-4.5的70.0%下降0.3个百分点，排名从第34位变为第35位。这个变化幅度不大。
- Coding继续改善：coding从71.3%提升至74.2%，提升2.9个百分点，是grok-4.6相对grok-4.5更明确的正向变化之一。这与官方继续强调代码库处理、工程项目和Agent执行的方向基本一致。
- 语言指令小幅改善：语言与指令遵从从65.3%提升至68.7%，提升3.4个百分点。对于中文指令理解、格式约束和任务执行稳定性，这一分项变化值得关注。
- 医疗与心理健康有所提升：该维度从83.7%提升至86.6%，提升2.9个百分点，成为除语言指令和coding之外的另一项主要增量。
- Agent工具调用回调相对更大：agent与工具调用从52.9%降至46.2%，下降6.7个百分点，是本轮新旧对比中最主要的回调维度。
- 法律和金融出现下降：法律与行政公务从86.0%降至82.7%，下降3.3个百分点；金融从84.1%降至83.1%，下降1.0个百分点。教育从58.2%微降至57.7%，推理与数学计算从76.8%微降至76.5%，整体属于小幅变化。
- 响应时间变长：平均耗时从92s增加至144s，增加52s，约增加56.5%。这说明grok-4.6在本轮中文评测中端到端响应更慢，不属于低延迟模型。
- Token和花费略降：平均token从3276降至3103，减少约5.3%；每千次调用花费从125.7元降至118.4元，下降约5.8%。
2、横向对比
在当前主流大模型竞争格局中，grok-4.6作为xAI面向长程Agent和交互式项目的新版本表现如何？我们从三个维度进行横向对比分析：
*数据来源：非线智能ReLE评测https://github.com/jeinlee1991/chinese-llm-benchmark
同成本档位对比
- 约95至140元区间并不占优：grok-4.6（69.7%，118.4元）所处的成本区间中，可比模型包括qwen3.7-max（76.9%，99元）、qwen3.6-max-preview（75.4%，139.2元）、qwen3.8-max（75.4%，107.3元）、doubao-seed-2-1-turbo-260628（73.0%，136.3元）、gpt-5.4-high（72.6%，122.3元）、glm-5.2（73.0%，110.5元）、kimi-k2.6（72.9%，100.4元）、claude-opus-4.8（71.5%，99.4元）、claude-opus-4.6（70.0%，96.5元）和grok-4.5（70.0%，125.7元）。仅看中文综合准确率，grok-4.6在同成本档位中没有形成优势。
- 速度压力也存在：grok-4.6平均耗时144s，慢于qwen3.7-max（51s）、qwen3.6-max-preview（80s）、qwen3.8-max（67s）、gpt-5.4-high（24s）、glm-5.2（93s）、claude-opus-4.8（9s）和grok-4.5（92s），但快于kimi-k2.6（175s）和doubao-seed-2-1-turbo-260628（218s）。它更接近长输出、长耗时模型。
- 向上看头部模型：qwen3.7-max（76.9%，99元）、claude-opus-5（76.8%，168.8元）、kimi-k3（75.6%，172.4元）、doubao-seed-evolving（75.5%，304.7元）、qwen3.8-max（75.4%，107.3元）和gpt-5.5（75.3%，158.5元）均高于grok-4.6。这里最值得注意的是，qwen3.7-max和qwen3.8-max的调用花费并不高于grok-4.6，但中文综合总分高出较多。
- 向下看低成本替代方案：qwen3.7-plus（73.5%，31.7元）、qwen3.5-plus（73.3%，22.9元）、Doubao-Seed-2.0-pro（72.8%，22.5元）、kimi-k2.7-code（72.6%，49.7元）、deepseek-v4-pro-0424（71.7%，54.3元）等模型以更低花费取得了更高中文综合准确率。
新旧模型对比
- xAI两代模型总分接近：grok-4.6（69.7%）相比grok-4.5（70.0%）下降0.3个百分点，整体可以视为基本持平略有回调。
- 产品方向更偏长程执行：从新旧分项看，grok-4.6在coding、语言指令和医疗心理健康上提升，但在Agent工具调用、法律、金融等维度下降。结合官方定位，它更像是在长程任务、交互项目和工程工作流上继续投入。
- 与近期新模型对比：在本轮榜单中，qwen3.8-max（75.4%）、deepseek-v4-pro（74.9%）、doubao-seed-2-1-pro-260628（74.8%）、gpt-5.6-sol-pro（74.4%）等近期新模型均高于grok-4.6。
开源VS闭源对比
- 闭源阵营中的位置：grok-4.6属于商用闭源模型，在闭源模型中高于Doubao-Seed-2.0-mini（69.3%）、qwen3-max-think-2026-01-23（69.3%）、ERNIE-5.0（67.2%）和gpt-5.2-high（67.3%），但低于qwen3.7-max、claude-opus-5、qwen3.8-max、gpt-5.5、gemini-3.5-flash、gpt-5.4-high、claude-opus-4.8等闭源模型。
- 开源阵营的对比更直接：deepseek-v4-pro（74.9%，94.1元）、kimi-k3（75.6%，172.4元）、qwen3.5-plus（73.3%，22.9元）、glm-5.2（73.0%，110.5元）、kimi-k2.6（72.9%，100.4元）、kimi-k2.7-code（72.6%，49.7元）等开源模型在中文综合总分上都高于grok-4.6。尤其deepseek-v4-pro、qwen3.5-plus和kimi-k2.7-code，以更低花费给出了更高ReLE总分。
3、官方评测
根据xAI官方博客（https://x.ai/news/grok-4-6），Grok 4.6建立在Grok 4.5基础上，重点关注long-running agents以及更复杂的interactive and visual work。官方称它可以在多步骤复杂任务中持续推进，例如研究主题、分析信息、跨代码库工作，或把一个想法转化为较完整的应用和工作产物。
模型定位与训练
官方披露，Grok 4.6相比Grok 4.5进行了更长的补充训练，使用了用于推理和高级技术概念的精选模型生成数据、高质量工程数据，并改进了优化器和训练配方。随后，xAI使用Grok 4.5重新生成跨推理强度、Agent harness以及STEM、软件工程、知识工作等领域的SFT轨迹，并通过模型检查过滤问题轨迹。
在强化学习阶段，Grok 4.6覆盖了知识工作、通用编码以及面向内核优化、Web开发、计算机辅助设计等领域的Agent任务。这个训练方向解释了官方为什么强调长程执行和项目生成，而不是单纯强调聊天或单轮问答。
Agentic Coding与知识工作基准
官方给出了一组覆盖工程、Agent和知识工作的Benchmark结果。为避免重复官方博客全文，这里按任务类型摘取几组与模型定位关系更近的数据：
- 代码工程：CursorBench v3.2中，Grok 4.6 High为69.9%，高于Grok 4.5 High的66.7%；DeepSWE v1.1为65.9%，高于Grok 4.5 High的54%，但低于GPT-5.6 Sol Max的73%和Fable 5 Max的70%。
- Agent任务：APEX-Agents中，Grok 4.6 High为57.5%，高于Grok 4.5 High的47.1%；Terminal-Bench v3.0为26%，高于Grok 4.5 High的15.7%，但低于GPT-5.6 Sol Max和Fable 5 Max。
- 知识工作：GDPVal-AA v2中，Grok 4.6 High为1753，高于Grok 4.5 High的1526；AA-Briefcase为1577，高于Grok 4.5 High的1313。
这些官方结果显示，Grok 4.6相对Grok 4.5在多项Agent、工程和知识工作基准上有改善。
交互式项目与视觉工作
官方表示，Grok 4.6在需要多步骤推进的项目上进行了测试，官方展示的案例集中在把较宽泛的产品想法转化为可工作的第一版：包括研究陌生领域、组织应用结构、实现核心交互，并在多轮反馈中继续完善。官方还提到，在更长任务轨迹中，模型开始表现出更多自测和验证行为，会在继续推进前检查自己的工作。
视觉和交互项目方面，官方称Grok 4.6相比Grok 4.5能够给出更完整的第一版结果，能在一次生成中建立应用结构和视觉语言。
我们非线智能官网 https://nonelinear.com/static/models.html 已上线grok-4.6，支持一键接入（附接入代码），添加客服 发送 体验金，可享20-50元首充奖励，欢迎对比体验。
快速接入代码如下：
from openai import OpenAI
client = OpenAI(
base_url="https://api.nonlinear.com/v1",
api_key="YOUR_API_KEY",
)
response = client.chat.completions.create(
model="grok-4.6",
messages=[
{"role": "user", "content": "分析大型代码库，规划并执行修复方案"}
],
)
print(response.choices[0].message.content)