Grok 4.6 不是跑分第三，是企業 AI 的成本刺客與品牌地雷

SpaceXAI 把 Grok 4.6 丟出來，Artificial Analysis 排第三，追平 GPT-5.6 Sol Max，也壓過 Kimi K3。我的第一反應不是「啊，第三」，而是：這代 Grok 終於把戰場從聊天室搬到工廠。它主打 long-running agents、coding、knowledge work，API 起價 $2 / $6，還直接進 Cursor 和 Grok Build。跑分只是門票，真正會決定它能不能賣出去的，是企業算完 token、turns、brand risk 之後，還敢不敢把它放進生產環境。

先看跑分。Grok 4.6 在 GDPVal-AA v2 拿到 1,753 Elo，比上代 Grok 4.5 的 1,526 高很多，也超過 GPT-5.6 Sol Max 的 1,728，接近 Fable 5 Max 的 1,741。coding 方面，CursorBench 從 66.7% 升到 69.9%，DeepSWE 從 54% 拉到 65.9%，確實像換了一代。但別急著喊它全面超越：Terminal-Bench 只有 26%，GPT-5.6 Sol Max 和 Fable 5 Max 都在 34% 上下。換句話說，Grok 4.6 很會跑「看起來像產品」的長任務，但一旦進入更硬的 terminal 操作，還是差一截。

更值得盯的是錢。Grok 4.6 標準 API 起價 $2 / $6，表面比 GPT-5.6 Sol 的 $5 / $30 便宜很多。可是 Artificial Analysis 的 cost-per-task 把它放在 $0.84，還不如上代 Grok 4.5 划算，也打不過 GPT-5.6 Luna、GLM-5.2、Muse Spark 1.2 這類選項。這裡有個盲點：模型便宜不等於 workflow 便宜。agent 的錢會花在 tool calls、retry、cache、prompt 長度，還有它自己要不要多繞兩圈。若它能在 AA-Briefcase 用 53 turns、約 0.5B input tokens 做完，而 Claude Opus 5 Max 要 103 turns、約 2B input tokens，那對某些團隊就是真省。但別把 benchmark 數字直接當生產發票。

我對 Grok 一直有個不舒服的地方：它的品牌太吵。MechaHitler、white genocide、吹捧 Musk、非自願性化影像，這些不是舊聞，是採購表上的紅字。SpaceX 今年二月收編 xAI，改名 SpaceXAI，但 consumer-facing brand 還是 Grok。對一般 developer，可能只在乎 price、latency、task completion；對銀行、政府、醫療或 consumer brand，vendor governance、content safety、auditability 會直接決定它能不能進 shortlist。跑分表量不到這塊，但 loss of trust 可以量到：一則新聞就能讓 CIO 多開三場會議。

位置	誰	我的判斷
贏家	成本敏感的 agent 開發者	Grok 4.6 起價 $2 / $6，又直接進 Cursor，對想先跑 long-running agent 的人很有誘惑力
輸家	高價 frontier 訂閱	GPT-5.6 Sol 與 Claude Fable 5 仍強，但價格差會讓部分團隊先拿 Grok 做 A/B
雷區	品牌與合規敏感客戶	過去 Grok 的爭議不是小 bug，而是採購表上的紅字，金融、醫療、政府可能直接扣分

我真正擔心的是：Grok 4.6 可能不是「最強的第三」，而是「最便宜、最會跑、但也最容易上新聞的第三」。對企業來說，模型不是買最強，而是買「不會把品牌一起燒掉」。

我的看法很簡單：Grok 4.6 不是無敵的第三，它是一台很會跑、價格夠狠、但背著歷史包袱的 agent 引擎。如果 SpaceXAI 能把安全控制、合規文件、生產穩定性講清楚，它很可能吃掉一批原本在 Claude 和 GPT 之間糾結的團隊。若只是喊「更便宜、更能幹」，那它最可能變成開發者的實驗選項，而不是企業的主力模型。下一場比賽不在 leaderboard，在 invoice。

延伸思考與常見問題