Grok 4.6 vs Grok 4.5、GPT-5.6 Sol 與 Fable 5：實際有哪些改變

Grok 4.6 是 xAI 的下一代旗艦模型，其最大亮點相當特殊：它保留了 Grok 4.5 完全相同的基礎架構，將所有升級資源全部投入後訓練（post-training）。這使得「Grok 4.6 vs Grok 4.5 vs GPT-5.6 Sol vs Fable 5」的比較變得棘手——因為截至本文撰寫時，Grok 4.6 尚無任何已發布的基準測試數據、模型說明文件或定價資訊。本指南在 xAI 已確認的事實與仍屬推測的內容之間劃出明確界線，並呈現 Grok 4.6 必須跨越的真實基準門檻。

誠實的起點：目前尚無 Grok 4.6 數據

在進行任何比較之前，有一個大多數文章都略過的重要說明：目前沒有任何官方 Grok 4.6 基準測試數據。 截至 2026 年 8 月初，xAI 尚未發布任何 Grok 4.6 模型說明文件、基準測試表格、API 識別碼或定價——其開發者文件仍將 Grok 4.5 列為當前的正式模型。現在任何歸屬於 Grok 4.6 的效能數字都是預測，而非實測結果。

因此，本文採取與一般正面交鋒不同的做法：我們以 Grok 4.5 的實測結果為基準，將 GPT-5.6 Sol 和 Fable 5 視為 Grok 4.6 必須超越的門檻，並明確標示哪些是預期而非事實。Grok 4.6 的第一批真實數據將在發布後一週內來自獨立排行榜——屆時再做評判。

Grok 4.6 的真實面貌（已確認）

以下是 xAI 和 Elon Musk 正式表態的內容：

• 與 Grok 4.5 相同的基礎架構。 Grok 4.6 建立在相同的約 1.5 兆參數 V9 基礎上，改進來自升級的監督微調（SFT）和強化學習（RL），而非更大的模型。早期報導稱其為 2 兆參數模型的說法後來已被更正；2.1 兆的基礎架構屬於後續版本 Grok 4.7。
• 精煉版本，而非全新基礎模型。 目標是在相同的快速、低成本基礎上，實現更好的指令遵循、更乾淨的程式碼，以及更穩定的推理能力。
• 近期分階段發布。 Musk 在 2026 年 8 月初表示 Grok 4.6 將在數天至一週內推出，而採用更大 2.1 兆基礎架構的 Grok 4.7 則在幾週後跟進。xAI 的時程向來只是大致估計，因此任何具體日期都應視為目標而非承諾。

其他所有內容——確切的基準測試分數、API 定價、上下文視窗變化——在正式發布前均未經確認。

後訓練策略，以及為何重要

大多數前沿模型的發布都依賴更大的基礎架構和更多參數。xAI 則選擇保持基礎架構不變，將所有增益投入後訓練。這使 Grok 4.6 成為當前 AI 領域一個真實問題的乾淨測試：模型在不擴大規模的情況下能進步多少？ 訓練全新的 2 兆以上基礎架構既慢又昂貴，而後訓練則能更快交付——因此 xAI 可以先在已驗證的基礎上發布 4.6，再以更重量級的 4.7 跟進。如果 4.6 在完全相同的基礎架構上相較 4.5 取得顯著進步，這對整個 AI 領域都是一個重要信號，而不僅僅是對 xAI 而言。（框架參考自 Build Fast with AI 的 Grok 4.6 預覽。）

Grok 4.5 基準線（這才是真正的錨點）

由於 Grok 4.6 是對 Grok 4.5 的精煉，4.5 的數據才是誠實的起跑線。Grok 4.5 於 2026 年 7 月 8 日發布，呈現出刻意平衡但整體強勁的表現：

• 程式碼代理（Coding agents）： Artificial Analysis 程式碼代理指數約 76 分——大致與 Codex 中的 GPT-5.5 持平，比 Fable 5 低約一分。（sentisight.ai）
• Terminal-Bench 2.1： 約 83.3%，與 Fable 5 和 GPT-5.5 相差不到一分，領先 Opus 4.8。（sentisight.ai）
• SWE Marathon： 領先的約 29% 單次嘗試解決率，高於 Opus 4.8 的 26%。（kucoin.com）
• SWE-Bench Pro： 約 64.7%——表現最弱的項目，遠落後於 Fable 5 的約 80.4%。（sentisight.ai）
• 智能指數（Intelligence Index）： 約 54，相較 Grok 4.3 大幅躍升，但落後於 Fable 5（約 60）、Opus 4.8（約 56）和 GPT-5.5（約 55）。（kingy.ai）

核心結論：Grok 4.5 是一款接近前沿、效率異常出色的主力模型，定價約為每百萬輸入/輸出 token $2 / $6——是性價比領導者——但並非全面橫掃基準測試，在最困難的長期程式碼任務上明顯較弱。這就是 Grok 4.6 試圖改進的平台。

必須跨越的門檻：GPT-5.6 Sol 與 Fable 5

這兩款模型是衡量 Grok 4.6 的前沿標準，它們的數據是真實的。

Claude Fable 5（Anthropic，2026 年 6 月 9 日發布）是定位在 Opus 4.8 之上一個層級的「Mythos 級」模型。它在 Artificial Analysis 智能指數上得分約 62，且在 Grok 4.5 最弱的領域表現最強——SWE-Bench Pro 約 80.4%。它的定價也相當昂貴，每百萬 token 為 $10 / $50，且輸出較為冗長。（artificialanalysis.ai、anthropic.com）

GPT-5.6 Sol（OpenAI，2026 年 7 月 9 日發布）是 Sol/Terra/Luna 系列的旗艦，具備「最大」推理能力和多代理「ultra」模式。在最大推理模式下，它在 Artificial Analysis 程式碼代理指數上創下約 80 的最先進水準——比 Fable 5 高出約 2.8 分——同時 OpenAI 報告其使用的輸出 token 和所需時間均不到一半。定價為每百萬 token $5 / $30，上下文視窗約 105 萬 token。不過它並非全面領先：在 SWE-Bench Pro 上，它以較大差距落後於 Fable 5。（openai.com、artificialanalysis.ai）

對 Grok 4.6 的啟示：Grok 4.5 發布後，前沿標準已經移動。維持 Grok 4.5 的效率是基本要求；縮小與 Fable 5 和 GPT-5.6 Sol 在 SWE-Bench Pro 類型測試上的差距才是真正的難題。

Grok 4.6 vs 競爭對手：可能的落點

由於 4.6 是對 4.5 基礎架構的後訓練處理，以下是有根據的評估——預期部分已明確標示。

合理預期： 在相同的快速、低成本基礎上實現更好的指令遵循、更乾淨的程式碼和更穩定的推理——而非原始模型規模的躍升，也不會突然在最困難的評估中超越 Fable 5。如果 xAI 維持積極的 $2 / $6 定價策略，Grok 4.6 最具說服力的主張仍將是每美元智能效益，而非頂尖基準測試冠軍。發布後一週內的 Arena 和 Artificial Analysis 分數，才是後訓練增益是否符合預期框架的第一個真實考驗。

你應該等待 Grok 4.6 嗎？

• 尚未使用 Grok、本週需要做選擇？ 不必暫停工作。Grok 4.6 是對現有模型的精煉，而非全新能力類別——現在就用最適合你任務的已驗證模型，等真實基準數據出來後再重新評估。
• 已訂閱 SuperGrok 或 X Premium？ 它應該會自動出現在你的模型選擇器中，無需額外付費，只需等它出現即可。
• 想要 xAI 最強的模型？ 更值得關注的日期是幾週後的 Grok 4.7 發布視窗（採用更大的 2.1 兆基礎架構），而非 4.6 的發布。

對其他所有人而言，明智的做法是：讓模型正式發布，等待獨立評分出爐，根據實測結果而非發布前的宣傳框架來評判 Grok 4.6。

讓這些模型成為你的 AI 工作夥伴

基準測試是一回事；讓模型真正檢查程式碼庫、執行指令、審查 PR 並持續迭代又是另一回事。Eigent 是一款開源「Cowork」桌面應用程式，能將 Grok、GPT-5.6 Sol 和 Claude 等模型轉化為本地多代理工作團隊——自帶 API 金鑰，並隨著前沿技術的演進靈活切換每個代理背後的模型。如果你的工作流程涉及程式碼，歡迎了解代理團隊如何審查 GitHub PR，或透過下載 Eigent 建立你自己的代理。關於 xAI 程式碼技術棧的更多內容，我們對 Grok Bot AI 工作夥伴和 Grok Bot vs. ChatGPT Work 的深度報導，探討了這些模型離開基準測試桌後的實際表現。