X：Mike P 的 Grok 4.6 与 Opus 5 健身报告长数据任务对比

测试任务

作者使用 2019 年至今的 Garmin 完整数据和 Apple Health 数据，让模型生成一份涵盖所有运动项目的健身报告，重点分析骑行经历，追踪长期指标、进步和图表，并允许模型自行决定报告的视觉形式。

作者先前比较过 Grok 4.5 和 Opus 5；这次清理上下文后，用完全相同的提示在 Grok Build 中重新运行 Grok 4.6。

结果

• Grok 4.6 选择输出 HTML 报告，格式比 Grok 4.5 明显改善，单次生成没有明显格式错误。

• 数据分析比 4.5 更好，增加了一些 4.5 忽略的洞察，但深度仍不如 Opus 5。

• 作者最终仍偏好 Opus 5，因为它从原始数据中拼出了更完整的故事；同时认为 Grok 4.6 与 Opus 5 的差距已经显著缩小。

价值

这是一个真实长上下文、结构化数据、图表和可视化交付的综合样本，比单次代码片段更接近实际知识工作。它也说明“格式完成度”和“分析深度”需要分开评分。