这周马斯克连扔两个炸弹，正在为 AI 工具付费的朋友，值得停一下。
8月12日凌晨，SpaceX AI 发布 Grok Bot——一群能登录你账号、24小时替你干活的"AI同事"；不到24小时后，Grok 4.6 模型上线，官方跑分反超 GPT-5.6 Sol 和 Claude Fable 5，价格却只有两者的一半不到。36氪
这不是 xAI 的常规更新。今年2月 SpaceX 合并 xAI，6月用600亿美元全股票收购 Cursor——风投支持的创业公司史上最大收购，7月统一改名 SpaceX AI。36氪Grok Bot 和 Grok 4.6，是马斯克把这一摊子整合完之后，打出的第一套组合拳。
热度确实大：有B站博主统计，Grok 4.6 发布24小时内 X 平台相关话题曝光2700万，好评率约67%。哔哩哔哩同一时间，DeepSeek V4 Pro 正式版、阿里 Qwen3.8-Max 也在48小时内先后落地，全都押注"长程自主 Agent"。知乎
但越热闹越要看仔细。我把跑分、报价单小字和全网社区实测都翻了一遍，给大家说点通稿里不写的。
跑分强在哪，虚在哪
先说结论：Grok 4.6 在"干活能力"上是真强，但不是没有短板，而且有一块跑分要打折看。
先看硬成绩：
综合智能指数 AA Intelligence Index：61分，和 GPT-5.6 Sol 打平，比上代 Grok 4.5 高5分，只比 Fable 5 Max 少1分；
衡量真实工作能力的 GDPVal-AA v2：1753分，全场第一，GPT-5.6 Sol（1728）和 Fable 5 Max（1741）都被它反超；
AA-Briefcase（1577分）和 Harvey LAB（15.8%）同样是第一。
短板在 Terminal-Bench v3.0，测的是纯命令行环境下的 Agent 操作：Grok 4.6 只拿到26%，GPT-5.6 Sol 是34.6%。36氪你主要让 AI 在终端里跑多步任务的话，它还不是最强。
更要留个心眼的是：xAI 说 Grok 4.6 在自家 AGI 基准上"与最强对手持平"，但这个基准的测试集没公开——找不到题目，也没有评分脚本。知乎知乎上已经有质疑："AI厂商自己出题自己判卷，能信几分？"相对来说，前面那些第三方基准更值得参考。
社区实测也印证了这一点。知乎用户反馈普遍是"亲测没有跑分那么玄"，但大家都承认 Grok 在生图领域确实异军突起——Grok Imagine 2.0 刚拿下文生图、图生图双榜第二。知乎另外注意：Grok 4.6 的知识截止日期是2026年2月1日，它的"实时资讯"能力来自搜索接入，不是训练数据新。知乎
价格真香？报价单上有三行小字
明面价格确实能打：每百万 token 输入2美元、输出6美元。同级的 GPT-5.6 Sol Max 是5美元/30美元，Claude Opus 5 是5美元/25美元——Grok 4.6 直接腰斩还多。36氪
但报价单上有三行小字，不仔细看看不到：
第一，缓存涨价了。有知乎用户翻出来，缓存价格从 Grok 4.5 的0.3美元涨到了0.5美元，涨幅67%，官方宣传里只字未提。知乎评论区有用户直接吐槽：说好的价格战，结果偷偷把缓存价格涨了，难怪消耗变快了。知乎
第二，长上下文整单翻倍。单次请求上下文超过20万 token，不是超出部分加价，而是整条请求都按双倍结算：输入4美元、输出12美元。36氪
第三，低延迟版本再加一倍。
为什么这三行字重要？因为 Grok 4.6 这次主打的就是"长程 Agent 任务"——这种场景恰恰是上下文最长、缓存吃得最多的。也就是说，2美元/6美元是短对话价，你真拿它跑 Agent，实际成本会往上走。翻倍之后依然比 GPT 和 Claude 便宜，但别按"半价"去预期。
Grok Bot：能干真活，门槛也不低
Grok Bot 可以理解为"一队 AI 员工"：每个 Bot 有专属云电脑，你合上笔记本它照干；能登录你在用的网站，包括没有 API 的老系统；你操作一遍，它记下来存成流程，下次自动跑；多个 Bot 还能分工协作，甚至自己招新 Bot。它的原型其实是 Cursor 内部代号为"Sand"的 Agent 项目，xAI 内部先用了一段时间才放出来。36氪
但门槛很现实：最低要 Cursor Teams Premium 120美元/月/席位，个人订阅 Cursor Ultra 200美元/月或 SuperGrok Heavy 300美元/月，而且目前只能跑 Grok 自家模型。36氪对比一下，Claude Pro 每月20美元。
还有一个不太被提的风险：同一个用户名下所有 Bot 共享一台云电脑，文件、浏览器、登录状态全共用。把账号权限交给24小时自主干活的 Agent，Hacker News 上的高赞总结是"托管版 OpenClaw，但考虑到 Grok 在内容审核上的前科，持保留态度"。有篇评价说得形象：如果半夜某个环节出了微小偏差，你早上醒来审批的，是一颗已经滚起来的雪球。36氪
到底要不要换？分人说
已经是 Cursor / GrokBuild 订阅用户：别犹豫，Grok 4.6 这周双倍用量，先白嫖试用，看它适不适合你的任务类型再说；
API 开发者：值得拿长程、知识工作类 Agent 任务测一下，尤其上下文能控制在20万 token 以内的场景；纯终端操作密集的话，先等社区更多实测；
想花两三百美元月费上 Grok Bot 的：先问自己有没有高频、重复、规则明确的任务流，比如客户跟进、工单、报销。有，值得排候补；只是觉得"AI同事很酷"，这钱够雇个真兼职了；
纯看热闹的：马斯克已经放话 Grok 4.7 三到四周内发布，还要"超越当前所有模型"。36氪AI圈立 flag 不要钱，等 4.7 落地再看 4.6 的成色也不迟。
最后一个值得盯的信号：Grok 4.6 上线48小时内，DeepSeek V4 Pro 和谷歌 Gemini 3.7 Flash 已经先后发起价格反击。马斯克这个"价格屠夫"能不能当稳，还得看下一轮。他们神仙打架，省钱的是我们这些掏钱用 AI 的。
