作者基于 xAI 发布的十行评测表做了逐项计数：在与 GPT-5.6 Sol Max 共同有成绩的 9 行中，Grok 4.6 赢 6 行，只输 DeepSWE v1.1 和 Terminal-Bench v3.0；对 Fable 5 Max 的十行比较中，Grok 赢 3 行、输 7 行。
Intelligence Index：Grok 4.6 与 Sol Max 均为 61，Fable 5 Max 为 62。
GDPval-AA v2：Grok 1753，高于 Sol 的 1728 和 Fable 的 1741。
AA-Briefcase：Grok 1577，高于 Sol 的 1502，略高于 Fable 的 1574。
Harvey LAB：Grok 15.8%，Sol 2.5%，Fable 11.3%。作者认为这个六倍差距更像是评测口径或模型适配差异的信号，不宜单独证明法律能力差距。
CursorBench v3.2：Grok 69.9%，略低于 Fable 70.5%。
DeepSWE v1.1：Grok 65.9%，低于 Sol 73%，但明显高于 Grok 4.5 的 54%。
Terminal-Bench v3.0：Grok 26%，低于 Sol 34.6% 和 Fable 34.1%。
APEX-Agents：Grok 57.5%，高于 Sol 56.7%，低于 Fable 59.2%。
作者指出，xAI 的表格混合了不同推理 effort 和不同测试 harness：Grok 4.6、Grok 4.5 使用 High，竞品使用 Max；竞品数字还是各自自报或公开成绩。因此，“赢 6/9”是对已发布数字的计数，不是统一条件下的新实验。
这篇文章适合用来识别成绩单中的强项和缺口，不能替代同一代码库、同一 Agent harness 下的实测。
Grok 4.6
