美东8月12日这个晚上，AI圈再度经历“不眠夜”：DeepSeek V4 Pro突袭上线、千问3.8开源2.4T旗舰、马斯克旗下SpaceXAI甩出Grok 4.6，三颗炸弹同日引爆，不少测评博主和从业者直呼“又是一个不眠夜”。第一财经三个模型里，最改变市场预期的是Grok 4.6：Artificial Analysis综合智能指数与GPT-5.6 Sol同为61分，API定价每百万token输入2美元、输出6美元，不到Sol（5/30美元）的一半，连英伟达都第一时间在评论区留言“恭喜发布”。智东西但翻遍评测博主和开发者社区，口碑明显分裂：有人说“一夜重回一梯队”，也有人说“依旧棋差K3半步”。这篇内容写给平时在用Cursor、调API、正在纠结“接下来给哪个模型付钱”的人：把三个问题掰扯清楚——它是不是真强、是不是真便宜、现在要不要切。
这次为什么突然变强：不是版本突变，是整合兑现
先说清楚一件事：Grok 4.6重回一梯队，不是某一个模型版本的突然变异，而是“SpaceX+xAI+Cursor”这条整合线跑了大半年的结果。今年2月，SpaceX以全股票方式收购xAI；6月16日，也就是SpaceX在纳斯达克完成750亿美元IPO几天之后，双方正式敲定了这笔600亿美元的全股票收购，这是风投支持的初创公司历史上金额最大的一笔收购。量子位7月，马斯克把两块业务对外品牌统一改成SpaceXAI。数据端更直接：Grok 4.5是xAI和Cursor首次联合训练的成果，训练数据里包含Cursor积累的海量真实开发者交互记录，4.6则是在4.5基础上继续加训——模型自生成的推理数据、高质量工程数据、优化器调整，再叠加知识工作、通用编码、内核优化、Web开发、CAD等环境的智能强化学习。训练目标明显对准“长程agent”：研究陌生领域、跨代码库修改、搭出第一版、跟着反馈改很多轮，中途不用打断重来。12日凌晨先发布的Grok Bot就是这套能力的产品形态：每个Bot配一台持久化云端电脑，能登录没有开放API的工具，24小时并行干活，还会旁观用户操作、把步骤存成可复用的routine。换句话说，这不再是“一个模型追分”，而是算力（Colossus超算）、数据（Cursor）、产品（Grok Bot）被马斯克拧成了一股绳。
跑分：一梯队门票是真的，偏科也是真的
看官方成绩表，Grok 4.6 High的AA综合智能指数61分，与GPT-5.6 Sol Max打平，只比Fable 5 Max少1分；衡量真实工作能力的GDPVal-AA v2拿到全场最高1753分，AA-Briefcase、Harvey LAB同样第一。但同一张表上，短板也写得明明白白：Terminal-Bench v3.0上，它只拿到26%，GPT-5.6 Sol是34.6%。量子位这项测的是纯命令行环境下的多步agent操作，出一次错就可能中断整条链路，恰恰是“数字员工”最硬的场景之一。再看第三方盲测，在最新披露的Code Arena代码竞技场WebDev测试结果中，Grok 4.6 (High)以1618分数排名第七，与GPT-5.6 Sol (xHigh)、GLM-5.2 (Max)、Claude Fable 5分数十分接近。智东西翻译成人话：它前面还站着Claude Opus 5 Max、Kimi K3 Max、千问3.8 Max，后面贴着GLM-5.2和DeepSeek V4 Flash——确实站进了一梯队群像，但谈不上“全面登顶”。
社区实测：口碑分裂在哪
比官方表格更值得看的，是发布一天后涌出来的真实反馈。同一个“用模型从零构建吃豆人游戏”的测试，Grok 4.6耗时28分15秒、完成率100%、消耗约257k token；DeepSeek V4 Pro-0813跑到207分钟、10轮迭代仍未完成。B站实测视频的评论区里，有人同一晚对比后得出结论：“grok完成度更高，而且速度是ds的4倍”。哔哩哔哩也有高赞评论坚持“依旧棋差k3半步”。再叠加知乎、微博上的零散反馈：写小说不太行、Cursor里4.6 xhigh档偶尔偏慢不稳定；但另一面，“不封号、量足、速度快”又是不少Grok老用户最在意的点。把这些信号合在一起看：Grok 4.6的长板是“把一个想法做成能跑的第一版”这类长流程agent任务，短板是纯终端操作、硬核代码修复和创作类写作——偏科，但偏的方向正好是当下最热的“干活”场景。
“1/3价格”这话，只算对了一半
这次传播最广的口号是“1/3价格追平GPT-5.6”。看牌面价，这话成立：输入便宜60%、输出便宜80%，对比Claude Opus 5的5/25美元同样压制。但模型成本至少要算三本账：牌面单价、完成同一套任务的真实消耗、生产环境总成本。在第二本账上，Artificial Analysis的同一评测负载里，Grok 4.6每项任务约0.84美元，Sol约1.23美元，Grok只省约32%。知乎从“省80%”到“省32%”，落差来自token结构和推理档位——“1/3”只能描述特定token组合，不能概括所有任务。第三本生产账还要再叠重试、工具调用、人工复核和返工：价签便宜的模型如果一次成功率低，价差会被迅速吃掉。
价目表里还有几行容易被忽略的小字。一旦单次请求的上下文超过20万token，输入输出价格会同时翻倍，涨到4美元和12美元，而且这不是只算超出部分，整条请求都按高价结算。量子位即便翻倍后仍比Sol便宜，但优势明显收窄：在200k到272k区间，Grok已进入4/12美元的长上下文价，Sol仍是5/30美元，输入价优势从低60%收窄到低20%。另外，缓存输入价从Grok 4.5的0.3美元涨到了0.5美元，低延迟版本价格再乘2。还有一层利益关系要看清：被不少人引用“70.8%对70.5%、成本差6倍”的CursorBench v3.2，运营方Cursor如今已是SpaceX旗下资产，Cursor 运营 CursorBench，SpaceX、合并子公司与 Cursor 母公司 Anysphere 已在 6 月 16 日签署合并协议。知乎这份关系不会自动推翻榜单，但交叉验证的必要性提高了。横向对比国产阵营，压力更直观：DeepSeek V4 Pro输出价只有0.87美元/百万token，不到Grok的七分之一；千问3.8-Max也以开源旗舰的身份贴身紧逼。正如一位知乎作者的评价，它和同日上线的DeepSeek V4 Pro，一美一中、一前沿一普惠，把闭源高价护城河又挖松了一块。知乎
谁现在可以试，谁再等等
现在值得试的人很明确：Cursor订阅用户首周直接拿到双倍用量。智东西等于官方请你白嫖一周做AB测试；API用户里，价格敏感、短中上下文、工具链可控的任务，最适合先试 Grok 4.6。知乎试法也别全量切流：路由一部分流量跑30个任务，只看两个数——成功了多少次、为每个通过验收的结果付了多少钱；如果重试和返工吃掉价差，就把它留在适合的任务层。再等等的人同样明确：依赖终端多步恢复的任务（Terminal-Bench 26%对34.6%的差距是实打实的）、需要500k以上超长窗口的任务（Grok 4.6是500k，Sol官方标1.05M）、写小说做创作的人。接下来盯三个信号：马斯克已经放话：Grok 4.7三周左右发布，要超越当前世界上所有大模型。微博现在all in任何一个模型，都有“三周后重洗牌”的风险；600亿美元Cursor交易仍待监管批准交割，交割前后CursorBench的独立性值得重新审视；以及发布刚一天，独立生产环境里长程agent的可靠性样本还太少，两周后的复盘评测会比今天的首测更可信。
写在最后
这一夜真正值得记住的，不是某张榜单上谁第一，而是“前沿能力+中档定价”正在成为新的锚点：Grok 4.6用Sol四成的价格站进同一梯队，DeepSeek用不到一成的价格在另一侧挖墙脚，夹在中间的闭源高价模型，护城河每一天都在变浅。对普通AI爱好者和开发者来说，这反而是最好的时间窗口——不必急着站队，让模型们先卷起来，你只需要守住自己的任务清单和成本表，谁便宜好用，就把流量路由给谁。
