微信｜ddl941110
8 月 12 日，Grok 4.6 发布。
它没有 GPT 发新模型那样的排面，也没复制 Claude 满屏跑分和实测刷屏的热闹。Grok 的讨论声量像一次平常的小更新，别的 AI 新闻很快就把它盖了过去。
但硅星人发现，舆论声量不大，却有越来越多开发者把 Grok 4.6 当主力模型，用它替代 GPT 和 Claude。
而就在几个月前，几乎没人这么做。当时的 Grok 是马斯克 AI 版图里最大的烂摊子，除了吐槽和擦边，远不如其他模型，一会偏左一会偏右把自己玩成监管事故。
如今 Grok 又是怎么翻盘的？
Grok 4.6 不是 SOTA 但够用
Grok 4.6 不是横扫榜单的 SOTA 模型，但够用。
在 Artificial Analysis 的智力指数中，Grok 4.6 得到 61 分，与 GPT-5.6 Sol Max 持平，只比 Fable 5 Max 少一分。在自家的 CursorBench 3.2 中，它得到 69.9%，同样没有排名第一。
但比起上一代，Grok 4.6 真正补上的是日常使用中的那些短板。
它处理复杂任务、调用工具、长时间连续工作的能力都明显变强了。以前 Grok 执行到一半容易卡住，需要用户不断纠正，现在已经能够主动检查结果、发现错误，推进任务。
换句话说，Grok 4.6 不一定是每道题最聪明的选手，却已经成为一个相当能干的“全能选手”。
挑选日常使用的主力模型，毕竟不是在给模型办运动会，单项夺冠固然亮眼，没有致命短板，反而更加重要。
只要能够覆盖一天里的大多数任务，不需要用户频繁切换 GPT 或 Claude，就已经具备成为主力工具的资格。Grok 4.6 跨过的正是普通模型被使用的"斩杀线"。
此外，当 AI 从偶尔问答变成每天跑几个小时的 Agent，用户算的就不只是智力，还有价格。
跑分高出 5% 很诱人，但不可控的价格更吓人。
价格，正是 Grok 4.6 这次翻盘的第二张牌。
便宜，就是 Grok 的杀手锏
当模型能力跨过"够用"这条线，价格就开始变得重要。
Grok 4.6 不是市场上最便宜的模型，却是前沿模型中最便宜的一个，能力只差一点，输出价格却只有对手的四分之一左右。
Grok 4.6 的 API 价格是每百万 token 输入 2 美元、输出 6 美元。作为对比，GPT-5.6 Sol 是输入 5 美元、输出 30 美元，Claude Opus 5 则是输入 5 美元、输出 25 美元。
在 Agent 场景里，价格的差距会被放大。
粗略算一笔账：一个项目消耗 1000 万输入 token 和 200 万输出 token，先不考虑缓存、长上下文计价和不同 Agent 的 token 效率，用 Grok 4.6 大约要 32 美元，换成 GPT-5.6 Sol 则要 110 美元。
再说会员本身。先不提花 900 美元买一年 Grok Heavy 会员那种邪修方法。
不少用户觉得Grok正价会员就足够耐用。
此外，如果你真是重度用户，花 300 美元买 SuperGrok Heavy，会同时拿到价值 200 美元的 Cursor Ultra。而这个 Ultra 会员每月含 400 美元 API Agent 用量，外加 Cursor 给的额外奖励额度。
日常使用中，其实没有那么多非 SOTA 模型不可的任务。模型聪明固然更好，但如果它价格更贵、速度更慢，还随时可能撞上额度，用起来反而束手束脚。
Grok 的优势恰好出现在这里，能力已经跨过够用线，价格足够低，会员额度也相对耐烧。
开发者们也更愿意使用 Grok。
收购 Cursor 后，Harness 完善了
模型足够聪明、足够便宜，Harness 也同样重要。
开发者实际使用的是模型外面的 Harness。它负责读取仓库、管理上下文、调用终端、运行测试，以及在任务失败后继续修复。模型决定 Agent 有多聪明，Harness 决定它能不能把活干完。
这恰好是过去 Grok 的短板。OpenAI 有 Codex，Anthropic 有 Claude Code，Grok 却长期停留在聊天框和 API 中。
xAI 收购 Cursor 后一口气补齐了从模型训练、Agent 执行到代码托管的整套 Harness。
Grok Build 可以在终端中读取和修改代码、执行命令、运行测试，还能调用多个子 Agent 并行工作。
8 月 18 日，Cursor 又推出代码托管平台 Origin，支持代码仓库、Pull Request、代码浏览和 GitHub 同步，被 Cursor 称作"面向 Agent 时代的 Git 平台"。
至此，Grok 提供模型，Build 负责执行，Cursor 提供工作台，Origin 管理代码资产。过去分散在不同产品中的开发链路，被装进了同一套系统。
Grok 的翻盘也因此不再只是模型升级，它终于长出了真正干活的手和脚。
难得的窗口期
Grok 的翻盘，也恰好赶上了一个微妙的窗口期。
Codex 依然强，但额度越来越难以预估。不少老用户觉得，同额度正在变得越来越不经用。而那种反复重置用量的玩法，刚开始还能制造惊喜，次数多了，用户也疲了。
Claude Code 更是一身负面。有 Max 20x 用户报告，同样的任务，额度消耗突然快了 4 到 8 倍。还有子 Agent 异常递归，不到五分钟就烧光整个五小时窗口。
服务稳定性也拖了后腿。8 月 12 日至 17 日，Anthropic 官方状态页就连续记录异常，其中多次直接影响 Claude Code。
最近，Anthropic 又宣布给新模型生成的文本加入不可见水印，Claude Code 也在覆盖范围内。用户付费生成的代码和文档可能携带可检测的 AI 标记，这对于很多开发者来说是很难接受的。
商业世界里的翻盘，往往需要两股力量同时出现：自己争气，对手给机会。
前者决定你有没有资格站上牌桌，后者决定用户是否愿意离开原来的工具。技术进步只能缩短差距，真正打开市场缺口的，常常是领先者亲手透支了信任。
很多逆袭者并不是突然变得无可替代，只是在那个微妙的窗口里，成了最少让人失望的选择。
大模型没有最终赢家
Grok 4.6 还不是公认最强的模型，它的价格优势也未必能够永远持续。今天 xAI 可以用低价和大额度抢用户，明天同样可能收紧套餐、调整规则。开发者把它换上，并不意味着从此不会再换下来。
但这次变化仍然值得关注。它说明前沿模型的竞争，正在从"谁最聪明"转向"谁最适合一直开着"。跑分决定发布当天的热度，但价格、额度、Harness 和稳定性，决定几个月后的使用习惯。
开发者对模型没有多少忠诚度。谁能把活干完，谁就留在工作流里，谁总在关键时刻掉链子，再高的跑分也只能成为备用选项。
几个月前，人们还在讨论马斯克是不是毁了 Grok。如今，Grok 没有靠一场轰动的发布会洗掉过去，而是靠一次次完成任务，悄悄挤进了开发者的工作流。
模型世界真正的投票从来不是榜单，而是编辑器里的每一次回车、额度条上的每一格，以及账单。
如果大模型公司真想把模型当作工具运营，而不是靠一次次发布和跑分来抬高估值，就必须接受一个不那么性感的事实：用户购买的不是实验室里的智力上限，而是现实工作中的稳定产出。
一款模型只有发布当天令人兴奋，还算不上生产力工具。
