Grok 4.6 重点是长程智能体任务：不只写函数或回答问题，而是接收大目标、理解陌生项目、研究代码库、提出架构、修改、自查，并多轮继续。Cursor 特别指出，它在长轨迹、原型制作和视觉交互项目方面进步明显。
因此，对我而言它更像是 Cursor 内的新工作智能体。
基准显示什么
发布中最有意思的是 Cursor 对比表，将 Grok 4.6 High 与 Grok 4.5 High、GPT-5.6 Sol Max、Fable 5 Max 并列。
| 基准测试 | Grok 4.6 High | Grok 4.5 High | GPT-5.6 Sol Max | Fable 5 Max |
|---|---|---|---|---|
| AA Intelligence Index | 61 | 56 | 61 | 62 |
| GDPVal-AA v2 | 1753 | 1526 | 1728 | 1741 |
| CursorBench v3.2 | 69.9% | 66.7% | 67.2% | 70.5% |
| DeepSWE v1.1 | 65.9% | 54% | 73% | 70% |
| FrontierCode v1.1 Extended | 61.3% | 56.6% | 60.6% | 64.9% |
| APEX-Agents | 57.5% | 47.1% | 56.7% | 59.2% |
| Terminal-Bench v3.0 | 26% | 15.7% | 34.6% | 34.1% |
| APEX-SWE | 56.4% | 53.6% | — | 58.8% |
| AA-Briefcase | 1577 | 1313 | 1502 | 1574 |
| Harvey LAB (Vals) | 15.8% | 12.9% | 2.5% | 11.3% |
在综合指标 Artificial Analysis Intelligence Index Grok 4.6 获得 61分，与 GPT-5.6 Sol Max 相同，只比62分的 Fable 5 Max 少一点。前代 Grok 4.5 为56分，Artificial Analysis 特别指出单代提升五分。
不过，比总指标更有意思的是具体任务类型。
GDPVal-AA v2——1753。这里超过了1741的 Fable 5 Max 和1728的 GPT-5.6 Sol Max。它测试贴近真实知识工作的智能体任务，所以对我尤其重要。Artificial Analysis 也称智能体表现是 Grok 4.6 最强项之一。
在 CursorBench v3.2 Grok 4.6 High 得分 69,9% ，对比 Grok 4.5 的66.7%、GPT-5.6 Sol Max 的67.2%、Fable 5 Max 的70.5%，差距几乎消失。当前 CursorBench 的 Grok 4.6 Extra High 得分还更高—— 70,8%，在该测试中已高于 Fable 5 Max 和 Opus 5 Max。CursorBench 使用真实 Cursor 会话中模糊、多文件任务，涉及编辑、重构、找错、理解代码库和工具使用。
有些测试由其他模型领先，例如 DeepSWE v1.1 Grok 4.6 为65.9%，GPT-5.6 Sol Max 为73%，Fable 5 Max 为70%。在 Terminal-Bench v3.0 Grok 为26%，GPT-5.6 为34.6%，Fable 为34.1%。
其他类别又紧挨领先者： FrontierCode：61.3%, APEX-Agents：57.5%, APEX-SWE：56.4%.
还有一个很能说明问题的结果—— AA-Briefcase：1577。Fable 5 Max 为1574，GPT-5.6 Sol Max 为1502，Grok 4.5 只有1313。Artificial Analysis 直接将其归为 Fable 5 级别，并特别指出长程任务效率：比某些更贵的前沿模型，以明显更少步骤和输入 token 得到结果。
甚至在专业测试 Harvey LAB，涉及法律智能体工作，Cursor 表里 Grok 4.6 得分 15,8% ——高于 Fable 5 Max 的11.3%、Grok 4.5 的12.9%和 GPT-5.6 Sol Max 的2.5%。
所以我不想评出唯一绝对赢家，图景更有意思： Grok 4.6 已进入极少数模型组成的队列，它们会随任务类型而交替占据榜首。
最有意思的来了：价格
Grok 4.6 基础价格与4.5相同：每百万输入 token 2美元，每百万输出 token 6美元。Cursor 也提供价格翻倍的 Fast 版本。Artificial Analysis 强调，在相近前沿表现下，Grok 比一些竞争对手便宜很多。
发布首周，Cursor 为 Grok 4.6 开启了 2倍 usage ，适用于 Cursor 和 Grok Build。对活跃用户，近似等于成本降低50%，同一包含额度可运行约两倍任务。
到这里就格外有意思了。
大约 Fable 5 级别的模型，已能直接安排到自己项目上工作，目前还有双倍额度。
发布后我这里发生了什么
我直接在 Cursor 内用 Grok 4.6，所以收到发布邮件后几乎立刻放到仓库和当前项目上。
不是测试用的 Hello World，而是现有代码库：理解结构、找弱点、审计、建议重构、看整体架构。
最初结果很让我满意。
审计模式尤其好。不止几条明显意见，而是真正系统走查。研究仓库后，它会形成 Audit Canvas ——相当于问题与潜在改进地图，其中有出乎意料的实用内容：架构简化、重复逻辑、可删除旧方案、重构机会、组件结构问题，以及自己可能数月未察觉的地方。
我喜欢的正是工作方式：先深入理解现有项目，再提出修改。对大型活跃仓库，这比从零生成漂亮代码更有价值。
继续在项目上试，寻找真实边界，目前印象很好： Cursor 内 Grok 4.6 已像另一位足够强的工程师，可以交付整条工作线，而不只是发小任务的助手。
这可能是 AI 开发变化最快的地方：越来越少讨论谁答题最好，越来越多讨论 能把哪部分真实工作完整交给智能体，早上看看它做了什么。
@nevsky_alexander
在 Instagram，看明信片之外的迪拜：家人、城市、新发现，还有项目之间的日常。在 Threads，聊聊设计与 AI 的随想；在 YouTube，分享一条限时动态装不下的视频。选你习惯的平台关注，常来聊聊