文章摘要
Grok 4.6发布，专注于长时运行代理和复杂交互任务，在多个编程和知识工作基准测试中达到前沿水平，性能匹配GPT-5.6 Sol，即日起在Cursor和Grok Build平台可用。
文章总结
好的，这是根据您的要求，对原文进行的中文重述：
标题：Grok 4.6 发布
核心内容：
今天，我们发布了 Grok 4.6。该版本在 Grok 4.5 的基础上，重点优化了长时间运行的智能体任务，并提升了其在交互式和视觉工作方面的能力。它能处理需要多步骤完成的复杂任务，例如研究主题、分析信息、处理代码库，或将创意转化为成熟的应用程序或工作成果。
在多项智能体编程和知识工作基准测试中，Grok 4.6 达到了前沿水平。在综合九项基准测试得分的“人工智能分析智能指数”上，它与 GPT-5.6 Sol 持平。
训练过程：
Grok 4.6 经历了比 4.5 版本更长的补充训练。训练使用了经过筛选的模型生成数据（用于推理和高级技术概念）、高质量的工程数据，并采用了改进的优化器和训练方案。这为后续的监督微调和强化学习阶段奠定了更坚实的基础。随后，团队利用 Grok 4.5 重新生成了推理、智能体框架以及 STEM、软件工程和知识工作等领域的监督微调轨迹，并通过模型检查过滤了有问题的轨迹，最终得到的模型性能强劲，行为表现更佳。
能力提升：
在将宽泛的产品创意转化为可用的初版应用方面，Grok 4.6 表现尤为出色。它能研究不熟悉的领域、构建应用结构、实现核心交互，并通过多轮反馈持续优化。在更长的任务轨迹中，模型开始展现出更多的自我测试和验证行为。与 4.5 版本相比，Grok 4.6 在视觉和交互项目上的首次输出质量更高，能够一次性为应用建立结构和视觉语言。
安全与评估：
Grok 4.6 的安全防护措施已根据其能力进行了改进和校准，旨在最大化合法用例的效用和安全性。在漏洞修补、加速工程设计周期和增强人工智能研究等领域，该模型既能提供帮助，又能确保安全。此次部署前的测试范围是迄今为止最广泛的。
性能数据（部分关键指标）：
- AA 智能指数： Grok 4.6 得分为 61，与 GPT-5.6 Sol 和 Fable 5 相当。
- CursorBench v3.2： Grok 4.6 得分为 69.9%，领先于 GPT-5.6 Sol (67.2%) 和 Grok 4.5 (66.7%)。
- DeepSWE v1.1： Grok 4.6 得分为 65.9%，高于 Grok 4.5 (54%)，但低于 GPT-5.6 Sol (73%) 和 Fable 5 (70%)。
- FrontierCode v1.1： Grok 4.6 得分为 61.3%，领先于 Grok 4.5 (56.6%) 和 GPT-5.6 Sol (60.6%)。
- Terminal-Bench v3.0： Grok 4.6 得分为 26%，低于 GPT-5.6 Sol (34.6%) 和 Fable 5 (34.1%)。
获取方式与定价：
Grok 4.6 即日起可在 Cursor 和 Grok Build 中使用，也可通过 API 及 OpenRouter、Vercel、Cloudflare 等合作伙伴获取。定价为每百万输入 token 2 美元，每百万输出 token 6 美元。此外，还提供速度更快的变体，价格为两倍。为鼓励用户体验，在发布首周，Grok Build 和 Cursor 中的使用量将翻倍。
评论总结
以下是对评论内容的总结，基于主要观点、论据和认可度（评分均为None，故未单独标注），保持不同观点的平衡性，并保留关键引用（中英文）。
主要观点与论据
1. 性能与竞争力提升（正面评价）
- 观点：Grok 4.6在性能上显著提升，接近或超越其他前沿模型（如Fable、GPT-5.6-Sol），且成本更低。
- 关键引用：
- "Fable level performance, faster and significantly cheaper. Wow!"（sergiotapia）
- "Fable-like intelligence, beats GPT-5.6-Sol on most benchmarks, cheaper than Kimi K3 on API"（cjalmeida）
- 认可度：多位用户表示印象深刻，认为Grok成为有力竞争者。
2. 对模型发布时机的质疑（怀疑论）
- 观点：Grok 4.6在DeepSeek-V4-Pro-0813发布后立即推出，且其他实验室在Fable发布后两个月内也推出类似模型，引发对技术来源（如蒸馏、基准测试操纵）的怀疑。
- 关键引用：
- "Just after DeepSeek-V4-Pro-0813 published, is this on purpose?"（zxilly）
- "Anyone else find it weird how within 2 months of Fable releasing all the major labs suddenly had Fable-level models?"（causal）
- 认可度：部分用户认为时间点可疑，但未获广泛支持。
3. 对Grok的负面评价（政治与信任问题）
- 观点：Grok因与马斯克关联而引发信任危机，用户担心数据隐私、政治倾向（如“纳粹AI”标签）及声誉问题。
- 关键引用：
- "I'd literally trust a Chinese AI company with my data over anything Musk is involved with."（nater5000）
- "Nobody wants a nazi AI"（oulipo）
- 认可度：多位用户表达强烈不满，认为Grok因马斯克行为而不可信。
4. 对Grok的正面评价（竞争与尊重）
- 观点：尽管马斯克有争议，但Grok的进步值得尊重，为市场带来健康竞争。
- 关键引用：
- "You may not like Elon, but you must respect him... Competition is good."（sawjet）
- "I think Grok provides healthy competition to the other labs"（Jcampuzano2）
- 认可度：部分用户认可其技术成就，但承认政治因素影响接受度。
5. 对具体功能的反馈（设计、语音模式）
- 观点：Grok 4.6在视觉和交互项目上表现更好，但设计声明需独立验证；语音模式近期变差。
- 关键引用：
- "As a designer, I'm always hesitant to believe these statements until there's independent comparisons"（GenerWork）
- "grok's voice mode got stupid and terse ~2 weeks ago"（nomilk）
- 认可度：用户对功能改进持谨慎态度，并指出具体问题。
平衡性总结
- 正面：性能提升、成本优势、竞争促进。
- 负面：信任危机（数据隐私、政治倾向）、发布时机可疑、功能不稳定。
- 中立：部分用户认可技术但保留意见，强调独立验证的重要性。