• +1

AI智能体赛道同台竞技,Grok 4.6亮相“撞车”DeepSeek V4 Pro正式版

澎湃新闻记者 吴遇利
来源:澎湃新闻
∙ 10%公司 >
听全文
字号

马斯克旗下SpaceXAI发布新一代大模型Grok 4.6,将重点进一步转向长时间运行的AI智能体(AI Agent)。

巧合的是,中国大模型企业DeepSeek同步推出V4 Pro正式版,两款聚焦AI智能体赛道的前沿模型形成正面同台竞技。

当地时间8月12日,SpaceXAI发布Grok 4.6。SpaceXAI表示,新模型是在Grok 4.5基础上进一步升级,重点提升长流程任务中的表现,以及处理更复杂的交互式、视觉和知识工作任务的能力。

此次发布距离Grok 4.5亮相仅一个多月。7月8日,SpaceXAI刚刚发布Grok 4.5,并将其定位为面向编程和AI智能体任务的模型。

Grok 4.6发布后获市场积极反馈,美股周三收盘,SpaceX股价涨超9%。

性能进入第一梯队

从第三方测试来看,Grok 4.6已经重新进入前沿大模型竞争的第一梯队。

全球知名独立AI大模型评测机构Artificial Analysis公布的Artificial Analysis Intelligence Index显示,Grok 4.6得分为61分,与OpenAI的GPT-5.6 Sol处于同一水平,相比上一代Grok 4.5提高5分。Artificial Analysis称,Grok 4.6由此重新进入前沿模型行列。

AI智能体赛道同台竞技,Grok 4.6亮相“撞车”DeepSeek V4 Pro正式版

四款前沿模型 Artificial Analysis 综合智能指数对比

不过,Grok 4.6对比Anthropic旗下的Fable 5未能有碾压态势。

从完整测试结果来看,Grok 4.6在部分智能体和知识工作相关测试中表现突出,但在一些软件工程、终端操作等测试中,Fable 5仍然领先。

AI智能体赛道同台竞技,Grok 4.6亮相“撞车”DeepSeek V4 Pro正式版

SpaceXAI 官方公布 Grok 4.6 与主流前沿模型基准测试对比

这一点也使此次升级的意义更加清晰。有分析称,SpaceXAI 的目标不只是冲击传统问答类基准榜单,而是打造能够独立承接连续复杂任务的模型。

从“回答问题”转向“完成任务”

SpaceXAI此次特别强调了Grok 4.6的长流程智能体能力。

例如,用户要求开发一个软件,模型需要自行理解需求、编写代码、运行测试、发现问题,再修改代码,而不是每一步都等待用户下达新的指令。

SpaceXAI表示,Grok 4.6针对这类长时间运行任务进行了专门训练,包括软件工程、研究分析、STEM以及其他知识工作,同时增加了模型生成的推理数据和高质量工程数据。

软件工程是此次Grok 4.6升级的核心应用场景之一。

SpaceXAI表示,新模型经过针对复杂工程任务的强化训练,覆盖内核优化、网页开发、计算机辅助设计等任务。

这也是目前全球AI产业竞争最激烈的方向之一。OpenAI、Anthropic、谷歌等公司都在推动AI从代码补全工具向能够独立承担软件开发任务的智能体演进。

此前,马斯克也曾在演讲中强调,SpaceXAI的策略则是把Grok与自身庞大的技术体系结合起来。

在马斯克的规划中,随着Grok进入SpaceX体系,其潜在应用范围已经不再局限于一个独立的聊天机器人产品,而可以进一步延伸到SpaceX自身的工程研发、软件开发以及其他业务场景。这也是SpaceXAI的优势所在:拥有SpaceX的计算基础设施、工程场景和资本支持。

从产业角度看,AI大模型竞争正在越来越依赖“模型+算力+数据+应用场景”的综合能力。

有分析指出,Grok 4.6的发布折射出整个AI产业正在发生的变化。近年大模型竞争早期焦点集中在参数规模、通用推理与各类基准跑分;随着前沿模型能力逐步收敛,行业竞争重心正向落地应用层转移。谁能够让AI真正完成软件开发、研究分析、数据处理和企业流程,谁就更有可能获得稳定的商业收入。

下一个战场AI智能体

Grok 4.6发布同期,DeepSeek推出V4 Pro正式版,两款模型更新重心均聚焦长流程AI智能体方向。从公开信息来看,Grok 4.6上下文窗口上限500K Token,支持图文多模态输入;DeepSeek V4 Pro上下文窗口可达1000K Token,最大输出384K Token,为文本模型。

在能力优化上,Grok 4.6重点强化科研分析、复杂STEM与高端软件工程任务;DeepSeek V4 Pro侧重代码工程、终端自动化等场景。二者依托不同技术路线与生态体系面向开发者开放选型。

根据DeepSeek给出的模式测试对比成绩,V4-Pro-0813在AI编程智能体基准测试DeepSWE中得分为62.7,甚至超越了Claude Opus 4.8。在AI安全智能体基准测试Cybergym、智能体基准测试Automation Bench中甚至超越目前公认最强大的Claude Fable 5。

商业化方面,Grok 4.6已经通过API向开发者开放,并接入包括OpenRouter、Vercel和 Cloudflare等平台,同时进入Cursor和Grok Build等开发工具。

AI Agent与传统聊天机器人相比,需要消耗更多Token,因为一个复杂任务往往需要模型进行多轮推理、调用工具、读取文件并反复修改结果。因此,对于Agent开发者而言,模型性能之外,Token成本同样直接影响最终产品能否实现商业化。

价格方面,Grok 4.6 API 输入价格为2美元/百万token,输出价格为6美元/百万token。Artificial Analysis称,Grok 4.6在达到前沿模型水平的同时,其价格仍具有明显竞争力。

对比之下,V4-Pro模型输入(缓存未命中)3元/百万Token、输出6元/百万Token。但值得注意的是,DeepSeek此前已发布公告,预告近期将整体上调API定价,预计涨幅较大。涨价落地后二者成本竞争格局或将重塑。

    责任编辑:李跃群
    图片编辑:乐浴峰
    校对:丁晓
    澎湃新闻报料:021-962866
    澎湃新闻,未经授权不得转载
    +1
    收藏
    我要举报
    澎湃热榜
      澎湃早晚报
        澎湃财讯
          填字游戏
            要闻精选
            查看更多
            扫码下载澎湃新闻客户端

            扫码下载澎湃新闻客户端

            沪ICP备14003370号

            沪公网安备31010602008124号

            互联网新闻信息服务许可证:31120170006

            增值电信业务经营许可证:沪B2-2017116

            © 2014-2026 上海东方报业有限公司

            可信网站验证
            无障碍阅读