2026年8月13日，马斯克的 xAI 发布新 AI 模型 Grok 4.6。同一天，中国的 DeepSeek 和阿里也各自亮出新品：DeepSeek V4 Pro、通义千问 Qwen3.8。三家头部公司，同一天亮牌。技术圈论坛 Hacker News（黑客新闻，程序员聚集地）一晚上涌进 367 条评论，有人直接问：这是不是故意跟着 DeepSeek 发的？
Grok 4.6 是什么？一句话：一个更会”干活”的 AI。以前的 AI 擅长聊天，你问一句它答一句；这一代主打”长跑”——连续工作几十分钟不停：帮你研究一个课题、整理一堆资料、把一个想法做成能用的软件。像雇了个不用睡觉的实习生。这背后是整个行业的方向变化：AI 从”陪聊”走向”替你上班”。
它到底多强？看第三方考卷。AI 界有个独立的”考试机构”叫 Artificial Analysis（人工分析），把 9 项能力测试合成一个分数，叫综合智能指数（AAII，Artificial Analysis Intelligence Index）。Grok 4.6 考了 61 分：和 OpenAI 的旗舰模型 GPT-5.6 Sol 并列，比上一代 Grok 4.5 的 56 分高 5 分，比 Anthropic 的 Claude Opus 5（63 分）低 2 分。第三方媒体给出的位置是：世界第三。
图：综合智能指数（AAII）对比：Grok 4.6（61分）与 GPT-5.6 Sol 并列，Fable 5 Max 62 分居首。来源：artificialanalysis.ai
61 分到底算第一梯队，还是算追赶者？评论区吵翻了。挺它的人说：和 OpenAI 旗舰并列、总分进前三，不是第一梯队是什么。泼冷水的人说：拆开看单项，写代码测试 DeepSWE 里它只有 65.9%，对手 73%；操作电脑的 Terminal-Bench 里它 26%，对手 34.6%——总分接近，单项差距不小。还有一层得说清楚：这些分数虽然经过第三方复核，但考卷本身也在快速变难，上个月还考 90 分的模型，这个月可能只剩 70。笔者的看法：差距已经缩到个位数，而 2026 年 AI 竞争的胜负手，恰恰就在这几分里——比分接近时，价格、速度、稳定性才决定谁赢。
有个用户实测最能说明问题。同一个人，同一件复杂任务，两家各跑一遍：DeepSeek V4 Pro 用了 12 分 02 秒，花费 0.12 美元（约 1 块钱人民币），结果有个 bug；Grok 4.6 用了 3 分 18 秒，花费 1.41 美元（约 10 块钱），结果一次通过。价格差 12 倍，质量差一档。独立机构的长任务测试也是这个味道：同类工作，Grok 平均 53 轮交互搞定，Claude Opus 5 要 103 轮，前者读取的数据量只有后者的四分之一。少一半的步骤、四分之一的话——省下的全是钱。
图：长任务知识工作（AA-Briefcase）得分与效率对比。来源：artificialanalysis.ai
这组数字的工程含义很清楚：贵的那个快 4 倍、还少返工；便宜的那个省 12 倍的钱，但你可能要多花半小时改 bug。个人用户怎么选，看你的时间值多少钱；企业怎么选，这是成本表上明明白白的一行。顺便说一句，AI 算账用的单位叫 token（令牌，AI 处理文字的基本单位），价格战打的不是总价，是每个令牌多少钱。
为什么 Grok 快而贵、DeepSeek 慢而便宜？背后是两条工程路线。Grok 靠硬算力：xAI 在孟菲斯建了超级计算机 Colossus（巨像），号称世界最大规模的 AI 算力集群之一。算力足，模型就敢多想几步，出活快，但电费贵。DeepSeek 走巧劲：用专家混合架构（MoE，Mixture of Experts——把一个大模型拆成一堆小专家，每次只唤醒需要的几位）把算力花在刀刃上，成本压到极致。两条路线没有高下之分，只是取舍不同：用钱换时间，还是用时间换钱。在定价上，Grok 4.6 每百万令牌输入 2 美元、输出 6 美元，比同级对手便宜六成以上——xAI 嘴上不提降价，身体很诚实。
图：API 定价对比：Grok 4.6 为 $2/$6（每百万 token 输入/输出），低于 Claude Opus 5（$5/$25）与 GPT-5.6 Sol（$5/$30）。来源：artificialanalysis.ai
马斯克为什么押这么大？因为他要的不是一个聊天机器人。特斯拉的车要装 AI 大脑，机器人 Optimus 也要装 AI 大脑；他还买下了编程工具 Cursor——HN 上的说法是花了约 600 亿美元 SpaceX 股票——数百万程序员的日常操作数据，反过来又喂给 Grok 训练。数据、算力、落地场景，三样全押。他赌的是：AI 会成为所有生意的操作系统。
同日三强对决，真正的信号是”中国时间”。Reddit（国外版贴吧）网友说得直白：DeepSeek 就是这一小时发的。过去是美国先发、中国跟进，中间隔好几个月；现在同一天发，追赶周期从”年”缩到了”小时”。打法也不同：中国这边，Qwen3.8 开放权重（open weights，把模型配方公开，谁都能下载研究），DeepSeek 便宜到接近白菜价；美国那边，闭源但和自家产品绑得深。对普通人，这场竞争最大的礼物是价格：AI 的调用成本一年内掉了一个数量级，手机里免费 AI 的脑子越来越聪明。
61 分是门槛，不是终点。分数说明中美差距已经不大，但”不大”不等于”没有”。给读者的实在话：下次用 AI 干活，别只看厂商宣传的分数——让它做一件具体的事，看它能不能一次做对。那才是真正的考试。
参考链接：
- xAI: Introducing Grok 4.6
- Artificial Analysis: Grok 4.6 Benchmarks and Analysis
- Hacker News 讨论（item?id=49274027）
- Hacker News 讨论（item?id=49275385）
- VentureBeat: SpaceXAI debuts Grok 4.6
