Grok 4.6 以智能指数 61 分追平 ChatGPT-5.6 Sol，每任务成本仅 0.84 美元，不到竞品一半。五个月前它还濒临解散，逆袭的钥匙是一把编程编辑器——而腾讯 WorkBuddy 与混元，正沿着同一条路径加速追赶。
独立评测机构 Artificial Analysis 的数据显示，Grok 4.6 在智能维度拿下 61 分，与 ChatGPT-5.6 Sol 并列，仅次于 Fable 5 Max 的 62 分。但真正拉开差距的，是成本。
注：智能指数为 Artificial Analysis 综合评分，柱形自 50 分起缩放，非零起点。分差以标注分数为准。Grok 4.6 与 Sol 同分并列，与榜首差 1 分。
注：每任务成本基于 Artificial Analysis 标准测试集，包含推理与工具调用开销。Grok 4.6 的综合性价比在参评模型中位列第一。
Grok 的逆袭不是偶然。3 月，Grok 4.3 远落后于第一梯队，10 位联合创始人全部离职，马斯克公开承认"第一次构建失败了"。同一天，两位 Cursor 的高级产品工程负责人加入，直接向他汇报。
随后 SpaceX 收购 Cursor，并披露了联合训练模式：用户用 Grok 编程 → Cursor 记录行为轨迹 → 失败与成功数据加工为训练集 → 模型迭代 → 产品力提升 → 更多用户。这是一条完整的正反馈回路。
这条回路的核心是：真实任务中的失败案例，比 benchmark 里的错误更有价值——它告诉模型"为什么失败"。
效果来得很快。7 月，Grok 4.5 编程能力追平 GPT-5.5，价格仅一半；一个月后，Grok 4.6 在智能维度追平 Sol。马斯克放话：Grok 4.7 将超越当前所有模型。
依赖静态数据集和人工标注，训练与产品使用脱节，迭代周期长，难以覆盖真实世界的边缘场景。
产品使用数据直接回流训练，真实任务轨迹成为训练与评估素材，模型与产品深度协同，迭代速度成倍提升。
腾讯 WorkBuddy 从内部编程智能体 CodeBuddy 改造而来，6 月月访问量已达 2097 万，在国内桌面 AI 办公中排名第一，超过第二、第三名之和。姚顺雨在重建混元之初就提出 Co-design 方法，让模型与产品深度协同优化。
刘炽平在财报电话会上明确表示，这种"模型-产品 Co-design"让混元得以验证精度、识别边缘场景、实现更快迭代。混元 Hy3 正式版以 295B 参数进入国产第一梯队，Hy4 已明确剑指 SOTA。
他们路径相似，但场景不同。一个从编程切入，一个从办公起步，最终都指向同一个方向：用真实任务数据驱动模型迭代。
两个案例的共同点：都用真实产品使用数据驱动模型迭代，都形成了"用户→数据→模型→产品"的飞轮。Meta 的 Muse Codem 已跟进，贡献者版价格低 95%，条件是用编程数据训练。
大模型竞赛打了两年多，大家发现：光有大力未必能出奇迹。Grok 4.6 和混元 Hy3 的逆袭，指向同一个结论——能产生持续反馈循环的系统，正在超越单纯的模型参数比拼。
这套系统之所以强大，是因为它同时解决了三个问题：
第一，数据从哪里来。真实用户任务产生的行为轨迹，比任何人工标注都更贴近实际需求。一次失败的操作，往往比 benchmark 里一个错误更有价值，因为它暴露了模型的真实短板。
第二，评估怎么做。传统评测依赖静态题库，而 Co-design Loop 用真实任务结果作为评估信号——用户是否成功完成任务，本身就是最直接的反馈。
第三，商业回报在哪。腾讯首席战略官詹姆斯在财报会上说，在所有算力变现渠道里，WorkBuddy 产生的 Token 计费业务"能创造最持久的经济回报"。这解释了为什么腾讯愿意放弃短期转售利润，押注长期系统。
Grok 4.6 的 61 分是"智能指数"，纯智能维度与 Sol 并列，并非绝对领先。马斯克"综合速度与成本后客观第一"的说法，有其商业立场。但真正值得关注的不是分数，而是让分数持续增长的系统——Co-design Loop 让后发者看到了持续追赶、甚至反超的可能性。
大模型竞赛的下半场，能构建"用户→数据→模型→产品"飞轮的公司，将比只堆参数的公司走得更远。系统能力正在取代单点突破，成为新的护城河。
Grok 4.6 已通过 SpaceXAI 平台开放，腾讯 WorkBuddy 集成于企业办公套件。Co-design Loop 不再只是理论——它已被两家公司、两个场景、两种路径同时验证。
下一个通过这条河流追上来的，会是谁？