SpaceXAI 的 Grok 4.6 在人工智能分析智能指数上得分 61

SpaceXAI的Grok 4.6在人工智能分析智能指数中得分61，与GPT-5.6 Sol并列前沿，以更低的成本实现出色的代理性能 在发布仅一个多月后，Grok 4.6 的智能指数就比 Grok 4.5 提高了 5 分，比 Grok 4.3 提高了 23 分。

这使得 SpaceXAI 与 OpenAI 一起重返智能前沿，仅次于 Anthropic。

要点： ➤ Grok 4.6 跻身人工智能分析指数前沿：得分为 61，与 GPT-5.6 Sol（最大值）一致，落后于 Claude Opus 5（最大值，63）和 Claude Fable 5（带回退的最大值，62），略高于 Kimi K3 ➤ 强大的代理性能：Grok 4.6 的 GDPval-AA v2 Elo 达到 1753，仅落后于 Claude Opus 5，并且与 Claude Fable 5 和 Qwen3.8 Max 具有重叠的置信区间。

它在 𝜏³-Banking 上得分为 50.7%，与 Qwen3.8 Max（51.3%）一起跻身前两名，在 Terminal-Bench v2.1 上得分为 88.4%，与领先型号一致 ➤ 以更低的成本提供前沿级智能：总体定价与 Grok 4.5 持平，为每 100 万个输入/输出代币 2 美元/6 美元，比 Claude Opus 5（5 美元/25 美元）和 GPT-5.6 Sol（5 美元/30 美元）低 60% 以上。

每个任务的成本为 0.84 美元，与智力稍高的 Kimi K3 相同，处于智力与每个任务成本的帕累托前沿 ➤ Grok 4.6 位于 AA-Briefcase 上的 Fable 5 层，AA-Briefcase 是我们长期代理知识工作任务的私人基准，Elo 为 1577 - 落后于 Claude Opus 5 系列。

它的回合效率非常高，平均需要约 53 个回合和约 0.5B 个输入令牌来完成任务，而 Claude Opus 5（最大）则需要约 103 个回合和约 2.0B 个输入令牌 其他模型详细信息：➤ 500k 令牌的上下文窗口（与 Grok 4.5 相比没有变化） ➤ 每 100 万个输入/输出代币定价为 2 美元/6 美元；缓存命中折扣至每 100 万代币 0.5 美元，比 Grok 4.5 的每 100 万代币 0.3 美元的缓存命中有所增加 代理表现 Grok 4.6 的最强结果是在代理工作而不是静态推理上。

在我们对现实世界代理知识工作的主要衡量标准 GDPval-AA v2 上，它的 Elo 得分为 1753 - 仅落后于 Claude Opus 5，并且在给定重叠置信区间的情况下，在统计上与 Claude Fable 5 和 Qwen3.8 Max 没有区别。

🔗 原始来源

如果你要核对细节，可以再看原文： Hacker News AI原文链接