全部 · 2026-08-12

xAI 这次发布的 Grok 4.6，核心卖点是让模型在长流程的智能体任务里干活更稳。从官方给的跑分看，它在 AA Intelligence 综合指数上拿了 61 分，跟 GPT-5.6 Sol 打平，比自家上一代 Grok 4.5 的 56 分有明显提升。在 CursorBench 和 DeepSWE 这类偏工程和代码的测试里，分数也咬得很紧，说明模型在需要多步推理和跨文件操作的场景下确实变强了。 不过有几个数字得打个折看。Terminal-Bench v3.0 只拿了 26%，远低于 GPT-5.6 Sol 的 34.6%，说明它在直接操作终端、处理复杂命令行任务时还是短板。另外，官方说训练用了“精选模型生成数据”和“改进的优化器”，但没给出具体的数据规模和算力投入，也没提长任务跑到多少步之后会开始出错或忘事。价格方面，输入每百万 token 2 美元、输出 6 美元，还有个快版价格翻倍，但正文没披露快版的具体延迟数据。 整体看，Grok 4.6 在把想法变成可运行原型的这条路上走得更远了，但它在真实命令行环境下的可靠性，以及长时间运行后的稳定性，还需要第三方评测来验证。

Lovable 这轮融资速度和估值膨胀都很快。去年 12 月才以 66 亿估值融了 3.3 亿，现在 8 个月后估值直接翻倍到 133 亿，又拿了 4 亿。公司说 6 月年化收入（ARR）到了 5 亿美元，按这个算估值大约是 26 倍 ARR，在 SaaS 里不算便宜，但如果是真的增速确实猛。 几个数字值得留意：平台上有 6000 万个项目，每月 9 亿访客，说明用户量很大，但文章没提付费用户占比和客户留存。另外他们开始用自己的模型，还跟 Google Cloud 签了多年合同，成本结构会怎么变也没说。 信息缺口很明显：没看到毛利率、净收入留存率、烧钱速度。光靠 ARR 和估值数字，只能判断市场在赌它成为 AI 开发工具的入口，但能不能跑通单位经济还缺关键数据。

阿里这次把Qwen-Max级别的模型权重放出来，是实打实的动作。模型用混合专家架构，总共2.4万亿参数，每次计算只激活950亿，相当于一个超大团队里每次只叫10个专家加1个常驻顾问干活，比同样体量的稠密模型省不少算力。原生支持26万token上下文，能一口气吞下整本小说，还能扩展到101万token，处理长文档和长周期任务有天然优势。 官方说训练时加了多token预测，让模型一次能猜后面好几个词，推理速度有提升空间。后训练部分提到用组合环境扩展、统一奖励系统和在线数据均衡器来降低训练波动，思路是让模型在更杂更真的任务里练手，而不是靠人工一个个定制场景。跑分上和Opus 4.8、GPT 5.6 Sol互有胜负，在PaperBench这类偏学术写作的指标上拿了所列模型里的高分。 不过这篇公告缺了两个关键信息：一是没写开源协议是什么，商用是否受限完全不清楚；二是没给推理需要的硬件配置，2.4T的模型权重全加载需要多少显存、最低用什么卡能跑，这些都没提。想在生产环境用的团队得自己踩坑验证。另外，云端版Qwen3.8-Max说加了更多生产环境能力，但具体加了什么、和开源版差多少，也没展开说。

DeepSeek V4 Pro 的正式版（GA）在 OpenRouter 和硅基流动上架了。这是一个大规模混合专家模型，上下文窗口直接给到 100 万 token，意味着它能一口气处理像《三体》三部曲那么厚的文本。价格方面，输入每百万 token 0.435 美元，输出 0.87 美元。这个价格比之前 V3 的 API 贵了不少，但考虑到 1M 上下文的推理成本，涨幅在预期之内。 目前 OpenRouter 上只有一个供应商在托管这个模型，没有做多路由分发，所以可用性和延迟完全取决于这一家。正文没披露具体的性能跑分和吞吐量数据，只给了定价和上下文信息。OpenRouter 页面上的性能图表是空的，没法判断实际生产环境下的首 token 延迟和生成速度。 还缺什么：没有看到任何官方技术报告或基准测试对比，不知道它跟 V3 或者同期的 Claude、GPT 比到底强在哪。硅基流动那边的部署细节、国内定价和并发限制也完全没提。建议等第一批实测数据出来再决定要不要切生产流量。

xAI 这次发布的 Grok 4.6，核心卖点不是聊天，而是让模型自己拆解复杂任务、多步执行，比如把一个想法直接做成能跑的网页应用。从跑分看，它在 AA Intelligence 综合分上追平了 GPT-5.6 Sol，DeepSWE 编程分也到了 65.9%，比前代 4.5 的 54% 有明显提升。 但别急着下结论。这些分数大部分来自 xAI 自己公布的评测，第三方独立验证还不多。而且 Terminal-Bench 只有 26%，说明模型在纯命令行环境里干活还比较吃力，离“全能打工人”有距离。价格是输入每百万 token 2 美元、输出 6 美元，不算便宜。 正文没提模型参数量、训练数据截止时间，也没说长时间任务具体能跑多少步不跑偏。这些缺口让“专注长时间智能体”这个说法暂时只能打个折看。

这事荒诞到像洋葱新闻，但404 Media的记者实打实验证了：Research Gold网站上8位核心方法论专家全是AI虚构人物，头像一眼假，学术履历搜不到。另一批“真人专家”更离谱，直接盗用领英上的真实身份，连人家头像里的“#opentowork”水印都没去掉。记者打电话过去，AI客服“Sarah”死咬自己是真人，被反复追问后只会机械地把话题拉回推销话术。 这家公司卖的是医学系统综述和元分析服务，号称遵循PRISMA 2020和Cochrane手册标准——这些都是对严谨性要求极高的活儿。如果连“人”都是假的，交出来的论文质量根本无从验证。正文没披露是否有客户因此发表了问题论文，也没说清楚那些已发表的合作论文里AI参与到了什么程度。 目前已知一位被盗用身份的专家Jenny Berrio已准备发律师函要求下架信息。Research Gold在记者联系她之后火速删掉了那批真人页面，但没做任何公开回应。这事最让人后怕的不是AI冒充人类，而是有人敢在需要严格同行评审的医学领域这么干。