Grok 4.6 发布：Arena 前端开发榜第 5，Agent 成本更低

一、模型定位

8月12日，xAI 发布 Grok 4.6，官方将其定位为面向编程、Agent 任务和知识工作的模型，重点提升长链路任务的持续工作能力。

二、榜单表现

8月13日，Grok 4.6 High 在 Arena 前端开发榜中以1630分排名第5，落后第一名 Claude Opus 5 Max 61分。需要注意，这是一项前端开发子榜，并非综合总榜。



在 Artificial Analysis Intelligence Index 中，Grok 4.6 High 得分61，与 GPT-5.6 Sol Max 并列。Arena 更接近用户对开发结果的偏好，Artificial Analysis 则用于观察综合能力，两者不能直接比较。

三、API 调用成本

短上下文场景下，Grok 4.6 每100万输入 Token 收费2美元，缓存输入0.5美元，输出6美元。按100万输入加100万输出计算，总成本约为8美元，低于 GPT-5.6 Sol 的35美元和 Kimi K3 的18美元。

如果请求超过20万上下文，将进入长上下文价格档，输入、缓存输入和输出价格分别为4美元、1美元和12美元。

四、任务总成本

Cost per Task 指完成一项完整任务的总成本，除了 Token 费用，还包括交互轮次、工具调用和重复尝试等消耗。

一组围绕 AA-Briefcase 的运行统计显示，Grok 4.6 平均需要约53轮交互和0.5B Tokens，Claude Opus 5 Max 约需要103轮和2.0B Tokens。该结果只代表特定评测运行，不能视为所有 Agent 任务的普遍平均值。

五、自我校验能力

在长任务中，xAI 观察到 Grok 4.6 出现更多自我测试和验证行为。DeepSWE 得分从上一代的54%提升到65.9%，APEX-Agents 得分为57.5%。

六、后续计划

此前有消息称，xAI 计划在未来数周内推出 Grok 4.7，并进一步扩大模型规模。不过，具体发布时间、参数数量和性能表现目前尚未得到官方完整确认，仍需等待后续消息。

点此查看更多大模型排名数据

Arena双盲评测大模型权威排行榜