Grok 4.6
Grok4.6发布！性能究竟如何？
在跑完自己的任务之前，我不会根据一张总榜写“Grok 4.6 已经追平谁”。综合分数相同，可能只是平均值刚好接近。代码修改、中文理解、实时搜索和工具调用是完全不同的能力，混成一个数字，对选型帮助有限。如果让我评 Grok 4.6，我会准备几组差异很大的任务：一组修复真实代码仓库里的历史问题，一组连续调用工具完成资料整理，再放进中文业务文档和需要核对来源的实时信息。每个任务至少重复几次，记录完成率、人工修改时间、P95 时延、Token 消耗和错误操作次数。Grok 与 X 平台结合，理论上在实时信息场景里有优势，但“搜得快”不等于“信息可靠”。来源质量、广告和情绪内容、提示注入，以及搜索结果之间的冲突，都需要单独测试。如果业务根本不依赖实时信息，这项优势也未必能转化成价值。所以我现在最多会把它加入候选模型，先通过路由承接合适的任务，不会直接替换现有主模型。公开跑分负责告诉我“值得测一下”，真实业务才负责决定要不要付钱。
发布于 北京
分享
评论
赞
未登录
友善发言
评论
加载中
