35天又发一版，但这次换了活法
8月12日，SpaceXAI（原xAI）把 Grok 4.6 甩了出来。距离上一版 Grok 4.5，才过去五周。
有意思的不是它又变聪明了。
是它彻底换了定位——从陪你聊天的机器人，变成了一个能自己跑长活的企业级 agent 平台。这步棋，比分数本身更值得看。
没换基座，靠后训练把分硬拉上来
Grok 4.6 沿用的还是 4.5 那套约 1.5 万亿参数的老基座。Artificial Analysis 智能指数从 56 涨到 61，基本全靠后训练堆出来：精选模型自己生成的推理数据、重做的微调轨迹，再在长程 agent 任务上猛做强化学习。
说白了，没重新炼丹，只在成品上反复打磨。
这条路几家都在走，但 Grok 是第一个把"后训练 Scaling"直接写进发布稿、挑明说"我们不炼新模型了，就磨老模型"的。底气够足，也够诚实。
而且它真不是孤例。同一个八月，Google 的 Gemini 3.7 隔 23 天就发新版，靠的也是后训练。前沿实验室集体从"堆参数"转到"磨老模型"，这才是 2026 年八月最该记住的趋势。
500K 上下文，到底有多大
50万 token 的上下文窗口。
翻译成人话：差不多能把一整套企业代码库、或者你一整年的客户聊天记录，一次性塞进去做一遍。之前 AI 干活总翻车，很大一个原因就是上下文不够、被迫把任务切成碎片，切着切着就忘了前头说了啥。Grok 这下把这道墙拆掉一大半。
当然，代价是钱——这事儿后面说。
价格：便宜，但埋了个坑
API 定价 $2/$6 每百万 token，输入和输出，前提是你的提示词低于 20 万 token。
一旦超过 20 万，价格直接翻倍，变成 $4/$12。
缓存输入只要 $0.5，反复读同一份文档能省 75%——做客服知识库、天天喂同一堆产品手册的老板，会懂这个香。便宜是真的便宜，但你真让 agent 连跑几个钟头的长任务，账单可能悄悄翻一倍，别被开头的低价晃了眼。
翻车点：别被榜单糊弄了
分数好看，软肋也得摊开说。
一是它压根不公布 SWE-bench——就是写代码那块最硬、行业最认的基准。二是长程终端操作 Terminal-Bench 3.0 只拿了 26%，说明让它真去操作系统、跑一串命令，还是容易翻车。三是目前所有数都是 SpaceXAI 自己报的，独立第三方还没复测，信几分得打折扣。
榜单第一和第二之间，差的往往不是能力，是敢不敢把短板也亮出来。
跟它一起发的 Grok Bot 也才进早期 beta：每个 bot 配一台独立虚拟机，能自己登录你的销售、财务、工程系统跑任务。听着是真香，但审计日志和安全管控都还没文档化。企业真要上生产环境，这块得掂量。
还有个细节值得玩味：给每个 agent 一台独立虚拟机，不是随便设计的。企业最怕 agent 互相串数据、出了事查不清谁干的。隔离运行环境等于把责任边界划清了。这思路跟 Anthropic 的 Claude Agents、OpenAI 的 operator 模式是一个方向——大家都不约而同认定，下一步主战场是"能自己干活的持久化 agent"，不是聊天框。
马斯克顺手撂了句：更大的 Grok 4.7 数周内就到。按这个节奏，八月这波更新潮怕是刚开头。
跟你有啥关系
如果你是开发者或技术负责人，Grok 4.6 最该看的不是榜单，是"价格加长上下文"这套组合拳。
做长程 agent、读大代码库、知识密集型研究，它现在是最便宜的前沿档之一，比 Opus 4.8、GPT-5.6 Sol 那几个贵价选手友好得多。但你要写严肃代码、尤其要跨整个仓库做推理的，先等等——Opus 4.8 和 GPT-5.6 Sol 在那块还压它一头。
我的判断：把它当"便宜的长工"用，别当"全能的首席"用。位置摆对，这波更新就值。