GPT-5.6 Sol
Grok 4.6
Grok4.6发布！性能究竟如何？
8月12日上线的Grok 4.6，沿用Grok 4.5的1.5T参数底座，把35天全砸在SFT轨迹重生成+智能体强化学习上——结果AA Intelligence Index从56直接拉到61，追平GPT-5.6 Sol，距Claude Opus 5（63）只差2分，xAI重回前沿第一梯队。真正强在哪：知识工作与长程Agent📊 知识工作榜单小胜GDPVal-AA v2 Elo 1753，不仅比Grok 4.5的1526暴涨227分，还小幅领先Claude Fable 5的1741和GPT-5.6 Sol的1728，同级竞品知识工作榜首。AA-Briefcase长程办公任务1577 Elo，同样位列榜首。法律专业推理Harvey LAB拿到15.8%，大幅甩开Fable 5的11.3%。🤖 长程任务"省力"是隐藏大招AA-Briefcase实测中，Grok 4.6平均约53轮、5亿输入token跑完任务，Claude Opus 5 Max要103轮、20亿token。同样一件事，它用一半的步数交差——这对按token计费的Agent生产环境，意味着成本直接砍半🔧 编码Agent全面跃升DeepSWE从54%→65.9%、APEX-Agents从47.1%→57.5%、Terminal-Bench从15.7%→26%，相对4.5都是两位数提升但有三个"没赢"必须说清楚⚠️ 别被"追平GPT-5.6"的标题骗了：综合指数打平≠各项都赢• 纯编码峰值仍落后：DeepSWE 65.9% vs GPT-5.6 Sol 73%，差7个点；Terminal-Bench 26% vs 34.6%，仍垫底• 综合智力排第三：AA Index榜上，Claude Opus 5（63）> Fable 5（62）> Grok 4.6 = GPT-5.6 Sol（61）• 200K上下文是计费悬崖：超过20万token，整条请求输入价从2飙到4、输出从6到12，必须配prompt cache key才压得住Agent成本📌 给技术管理者的判断：xAI用4.6证明了一件事——前沿模型的进步不一定靠堆参数，后训练+智能体RL也能在一个月内追平对手一年积攒的身位。这意味着模型选型别押死单一供应商，谁能按月迭代、谁的后训练飞轮转得快，谁才是长期赢家
发布于 江苏
分享
评论
赞
未登录
友善发言
评论
加载中
