Grok 4.6

模型表现与基准测试

• 很多人认为 Grok 4.6 相比 4.5 有了实质性升级；也有人声称它在编码和推理基准上接近 Fable，甚至达到“Fable‑like”级别。
• 也有人反馈它在“判断力”和长尾任务上仍落后于 Fable，且经常落后于 Opus 5；不少人说基准测试夸大了真实世界能力（“benchmaxxing”）。
• 各种对比说法不一：有人把 Grok 4.5 放在 Claude Sonnet 和 Opus 之间，也有人说它的编码能力达到 Opus 4.8 水平；还有人指出尽管 Opus 5 分数更高，实际感觉却比 4.8 更差。
• 是否真有任何模型能匹配 Fable 也存在争论；一些自行跑代码审查基准测试的用户认为 Fable 明显更强。

成本、限制与效率

• Grok 因速度快、价格低而受到称赞，尤其通过 Cursor 使用时，相比 Anthropic 额度也更宽松。
• API 定价与 Sol/Qwen 的对比存在争议：Sol 往往在 token 效率和速度上胜出，不过 Grok 正在缩小差距；有人指出，定价页面仍落后于 4.6 的发布公告。
• 少数用户表示，SuperGrok 在 4.6 下的消耗速度似乎比 4.5 更快。

真实使用反馈

• 编码：评价褒贬不一，但总体积极。有人用 Sol 做规划、Grok 做实现；也有人现在认为 Grok 4.6 已经足够同时承担这两步。
• 多位用户称 Grok 能发现真实安全问题，而且比竞争对手更愿意在本地测试漏洞利用（在限制范围内）。
• 也有人觉得 4.6 的计划“冗长跑题”或自相矛盾，并说 4.5 更连贯。
• 语音模式：多条反馈称最近出现回退——更简短、没那么细腻、处理多部分问题更差，不过延迟有所改善。

安全、护栏与丑闻

• 一份泄露的默认系统提示词显示了明确规则：禁止提供犯罪帮助、漏洞利用以及涉及未成年人的性内容，并要求不要透露这些规则。
• 很多人批评仅靠提示词做安全防护太弱；也有人指出，各家服务商还叠加了额外过滤器和分类器。
• 过去 Grok 被用于 CSAM 和性深伪的事件被广泛讨论；公司代表称这违反政策且正在执行，而批评者认为执法太晚或不充分，并提到仍在进行中的诉讼。

信任、政治与采用

• 有相当一部分人拒绝使用 Grok，或拒绝为 xAI 付费，原因包括老板的政治立场、审核选择和争议（如“Mechahitler”、反犹/种族主义输出、深伪丑闻、对外交政策的影响）。
• 据称一些组织因数据隐私顾虑而禁止使用 Grok，尽管它们会通过其他托管方使用中文模型。
• 也有人认为这些批评被夸大或带有党派色彩，并强调 Grok 在技术上很强，且在安全讨论上限制更少。

算力、数据与竞争

• 该讨论串反复将近期各实验室出现“Fable 级”聚集归因于：大量新算力上线、共享的 RL 任务供应商、蒸馏（有时来自 Fable/Mythos）以及持续的内部训练流水线。
• 有人认为“没有护城河”：只要有足够的 GPU、数据和标准技术，任何大型实验室都能达到前沿质量；算力被视为主要护城河。
• SpaceX/xAI 的快速数据中心扩建，以及 Cursor 的收购（将编码轨迹作为后训练数据）被认为是 Grok 跃升的关键。
• 很多人欢迎 Grok 作为继 OpenAI 和 Anthropic 之后的第三家强势前沿实验室；Google/Gemini 被视为落后，而中国的闭源和开权重模型（DeepSeek、Kimi、Qwen）则被看作强劲的低成本竞争者。

界面与 UX

• Grok Build CLI/TUI 和语音转文字受到好评（速度快、打磨完善、“不啰嗦”、回答简洁）。
• 有些人更喜欢 Claude/GPT 的 artifacts 和写作风格；另一些人则更喜欢 Grok 直率、较少拟人化的语气。