8 月 12 日，xAI 推出 Grok 4.6，官方给的定位是三个方向：长时程 Agent 工作、复杂编码和视觉交互项目。相比 4.5，这版第一次在第三方评测里跟 OpenAI 旗舰站上同一台阶。
Artificial Analysis 智能指数上，4.5 是 56 分，4.6 升到 61 分，追平 GPT-5.6 Sol。榜单不一定算终审，但通用智能层面，Grok 正式进了第一梯队。开发者选型时，清单上多一个同级候选。
4.6 的补充训练周期比 4.5 更长，强化学习环节引入了三类训练环境：内核优化、Web 开发和 CAD。这三个环境的共同点是任务收不了尾，内核优化要反复调试，Web 开发牵扯多个文件，CAD 建模步骤冗长。在这种环境里练出来的能力，对得上 Agent 任务的特征，周期长，环节多，工具杂。单轮问答和连续几十步零失误，难度差着量级。
硬指标方面，上下文窗口 500K token，价格与 4.5 持平，输入 2 美元每百万 token，输出 6 美元每百万 token。首日渠道全通，Cursor 和 Grok Build 打头，xAI API 和 OpenRouter 随后开门。大窗口叠加上面的长时程优化，指向的适用面很明确：需要大量上下文、执行链条漫长的复杂任务，编程和自动化流程都在射程之内。
xAI 的打法清晰：通用能力对齐头部，Agent 场景做差异化，价格不动。三项都齐，这个模型值得放进选型清单实测一轮。长时程能力的真实成色，跑分说明不了问题，得放进实际多步骤任务里检验，建议从自己业务里最棘手的那条流程开始测。
