Medium 逐行解读：Grok 4.6 与 Sol、Fable 的对比

文章结论

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。

文章列出的重点

• 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%。

文章的批评

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。