Grok4.6发布！性能究竟如何？
Grok4.6 刚一发布，综合榜单就干到了 61 分，直接追平 GPT‑5.6 Sol Max。全网都在喊 "第一梯队"" 平替旗舰 "，但我劝你先别急着下结论。综合分数是最骗人的东西。 它是加权平均的结果，会把能力的严重分化全部抹平。一个模型偏科有多严重，总分里根本看不出来。一、强项在哪：知识密集型任务的黑马Grok4.6 底座还是 1.5T MoE 架构，没动参数，提升全靠补充训练 + 高质量推理轨迹 + Agent 强化学习。上下文维持 500K 不变。在商业知识拆解、长文档研判、法律推理这类知识密集任务上，它确实能打。GDPVal‑AA v2、Harvey LAB 这些指标反超竞品，擅长把模糊需求快速拆成完整方案，搭项目框架的效率很高。配合 Cursor 生态，原型产出速度是它的核心长板。用它做调研、做方案设计、做知识分析，体验很好。二、短板在哪：工程落地能力明显偏弱但高光之下，短板同样刺眼。Terminal‑Bench 成绩落后头部对手一大截—— 终端命令行反复试错的能力不行。大型软件工程完整落地、复杂漏洞修复场景，同样存在差距。简单说：搭框架快，收尾不稳；宏观强，实操弱。很多 Agent 任务里，它能漂亮地完成前期规划，却在多轮工具迭代中出现遗忘约束、自检失效，最后卡在执行环节掉链子。三、真正的杀手锏：性价比比起性能，Grok4.6 更值得关注的是定价。API 价格大幅低于同档位旗舰，用更低的成本拿到接近头部的综合能力 —— 这才是它最大的商业武器。但 "性价比高" 不等于 "可以无脑平替"：适合场景：知识分析、原型搭建、多轮调研、方案设计谨慎场景：重度终端运维、高可靠大型工程、复杂代码修复四、结语大模型竞争早就告别 "唯总分论" 了。61 分只是入场券，真实性能要看细分场景、看失败率、看完整闭环的完成度。Grok4.6 证明 xAI 摸到了前沿门槛，但距离真正全面无短板的旗舰，还差得远。选模型不是选跑分最高的，是选最适合你任务的。
发布于 浙江
分享
评论
赞
未登录
友善发言
评论
加载中
