Artificial Analysis：Grok 4.6 的智能与成本评测

结论速览

Artificial Analysis 将 Grok 4.6 评为 Intelligence Index 61，与 GPT-5.6 Sol 持平，仅落后 Claude Opus 5 和 Fable 5。该机构的解读是：Grok 4.6 的优势不只在静态推理，而在知识工作、客服工具调用、终端任务等 Agent 场景中的综合表现和成本效率。

关键数据

• Artificial Analysis Intelligence Index：61，比 Grok 4.5 高 5 分，比 Grok 4.3 高 23 分。

• GDPval-AA v2：1753 Elo，仅次于 Claude Opus 5；与 Fable 5、Qwen3.8 Max 的置信区间重叠。

• τ³-Banking：50.7%，处在最高分组，与 Qwen3.8 Max 的 51.3% 接近。

• Terminal-Bench v2.1：88.4%，与领先模型处于同一水平。

• AA-Briefcase：1577 Elo，接近 Fable 5 级别的长周期知识工作能力。

• 每个任务成本：约 $0.84。

• AA-Briefcase 平均约 53 轮、0.5B 输入 tokens；对照的 Claude Opus 5 Max 约 103 轮、2.0B 输入 tokens。

成本背景

Grok 4.6 的标价为输入 $2 / 1M tokens、输出 $6 / 1M tokens，缓存命中输入为 $0.5 / 1M tokens。Artificial Analysis 认为，相比 GPT-5.6 Sol 的 $5 / $30 和 Claude Opus 5 的 $5 / $25，Grok 4.6 在输出价格和任务成本上更有优势。

评测解读

Artificial Analysis 的结果支持这样的使用判断：

1. 需要多轮检索、资料整理、客服工具调用和长链路知识工作时，Grok 4.6 的优势更明显。

2. 不能只看每百万 token 的标价，还要看完成同一任务所需的轮数和 token 数量。

3. Terminal-Bench v2.1 与 xAI 发布的 v3.0 是不同版本，不能直接把 88.4% 与 26% 当成矛盾数据。

注意事项

AA-Briefcase 是 Artificial Analysis 的私有评测，不能等同于公开基准。所有结果仍应结合自己的代码库、工具链和长任务样本复测。