Fugu Max 与 Grok 4.6：费率卡完全相同，却只有一个公开评分

Fugu Max 和 Grok 4.6 的价格完全相同。Sakana AI 于 2026 年 9 月 11 日推出 Fugu Max，定价为每百万输入 token 2.00 美元、每百万输出 token 6.00 美元——而这与 SpaceXAI 自 8 月 12 日发布 Grok 4.6 以来一直收取的价目表逐项完全一致。这个巧合是这场对决中最有用的事实，因为它把价格从争论中剔除了。当两款产品计费完全相同时，剩下的唯一问题就是花这些钱能得到什么，而在这方面，两者彻底分道扬镳。Grok 4.6 是一个可以按版本固定、可查阅基准测试表、并用独立指数核对的单一模型。Fugu Max 是一个经过训练的协调器，会把每项任务分派给其池中最便宜的模型，而 Sakana 的公告声称它在六项基准测试中取得最佳总成绩，却没有公布其中任何一项的具体数字。其中一项购买在你进行购买之前就是可衡量的。另一项则不可衡量。

两款产品，一份费率表

• 输入 — Fugu Max 每 100 万 tokens $2.00，对比 Grok 4.6 每 100 万 tokens $2.00

• 输出 — Fugu Max 每 100 万 tokens 6.00 美元，对比 Grok 4.6 每 100 万 tokens 6.00 美元

• 缓存输入 — Fugu Max 每 100 万 tokens 收费 $0.25，而 Grok 4.6 每 100 万 tokens 收费 $0.50，这是两者价格唯一存在差异的一项

• 上下文窗口 — Fugu Max 未由厂商公布，而 Grok 4.6 为 500,000 tokens，与 Grok 4.5 相比保持不变

• 长提示词重新定价 — 发布中未说明 Fugu Max 的层级，而 Grok 4.6 在单次请求超过 200,000 个 token 后翻倍至 $4.00 / $12.00，按整个请求计费而非仅按超出部分

• 推理控制 — Fugu Max 未开放，而 Grok 4.6 提供四个努力等级，从 low 到 xhigh，默认 high 且无法关闭

• 架构 — Fugu Max 是一个经过训练的协调器，负责统筹一个未公开的模型池，其中包含开放权重模型和专用模型；并通过与 NVIDIA 的合作，借助 NVIDIA Nemotron 系列为 Max 进行了扩展，而 Grok 4.6 则是单一模型、单一版本

• 独立评估 —— Fugu Max 未发布任何评估结果，且任何 Fugu 模型都没有对应的 Artificial Analysis 页面；相比之下，Grok 4.6 的 Artificial Analysis 智能指数实时为 44，在 200 个模型中排名第 20

便宜的那一列就是无法预测的那一列

看看 Fugu Max 真正在价格上占优的地方：缓存读取，价格是 Grok 4.6 的一半。这确实是一项真实优势，但它恰恰是最不适合用来构建成本模型的地方，因为缓存定价的收益只与你的缓存命中率成正比——而 Sakana 并未公布 Fugu Max 的缓存命中率。发布信息中也没有说明上下文窗口，没有说明长上下文层级，也没有说明输出上限。所以，Fugu Max 唯一比 Grok 4.6 便宜的那一栏，是一个大小未知的折扣，作用在你 token 中一个未知的比例上。

Grok 4.6 的弱点至少是显而易见的。其 200,000 token 的阈值相当激进——它会对整个请求重新计价，因此一个 250,000 token 的提示词从第一个 token 起就按双倍费率计费，而不是从第 200,001 个 token 才开始。但你能看到这道断崖，拿自己的提示词去对照衡量，并决定是否要分块。这就是此处的本质区别：一个系统公布的价格表带有可供你规划的形状，另一个只公布一个醒目的费率，却未附上任何价格表。

六场胜利，却一分未得

Sakana 提到的基准测试有 Terminal Bench 2.1、GPQAD、AA-LCR、GDP.pdf、AutomationBench 和 SWEFish。其中五个是公认的公开评测。第六个 SWEFish 是 Sakana 自家的编程基准测试，这意味着六项宣称的胜绩中，有一项是用厂商自己编写、且尚未公开的测试来评分的。至于另外五个，发布说明只称 Fugu Max 取得了最佳总体得分，再无下文——没有分数，没有领先幅度，也没有任何竞争对手的数据可供对照。

将其与 SpaceXAI 为 Grok 4.6 发布的表格对照一下，该表格全程由厂商提供数据，但至少是一张表：GDPVal-AA v2 为 1,753，AA-Briefcase 为 1,577，DeepSWE v1.1 为 65.9%，CursorBench v3.2 为 69.9%，GPQA Diamond 为 94.9%。发布材料还报告，在 AA-Briefcase 上解决长时程任务大约需要 53 轮和约 5 亿输入 token，而一个竞争性前沿模型大约需要 103 轮和 20 亿 token——这又是一个由厂商提供数据的论点：即便按适中的每 token 费率计算，Grok 在每完成一项任务上的成本也很低。

这些 Grok 数字中有两个在你引用之前需要先处理一下。第一个是，其备受关注的 GPQA Diamond 得分 94.9% 来自一个 Artificial Analysis 后来因饱和而停用的基准测试，因此它不再像过去那样能区分前沿模型。第二个是你在较早报道中会看到的数字：Grok 4.6 的 Artificial Analysis Intelligence Index 为 61。那是重述前的量表。Artificial Analysis 在 2026 年 9 月重新校准了该指数，目前的实时数值为 44，在 200 个中排名第 20，每个 Intelligence Index 任务的成本为 1.86 美元。任何基于 61 这个分数将 Grok 4.6 与 Claude Fable 5 或 GPT-5.6 Sol 进行排名的人，都是在比较来自两种不同仪器的读数。

编排器的代币价格不包括什么

Sakana 自己对此次发布的报道也承认了结构性问题。由于 Fugu Max 会在单个任务内于不同模型之间切换，它“可能会降低上下文缓存复用率，并额外生成编排 token”——而该公司并未披露由此产生的缓存命中率，也未披露每个任务的总 token 成本。协调器生成的每个智能体都会写入推理和输出文本，而所有这些都按每百万 6.00 美元计费。该费率与 Grok 4.6 相同。用量则不然，而用量正是定价页面无法向你展示的变量。

两家供应商都在把你推向同一个纠正方向——别再比较费率，开始比较每项已完成工作的成本——但其中只有一家给了你一个可供起步的数字。Grok 4.6 带着一份已发布的轮次与 token 用量概况到来。Fugu Max 带来的则是一条让你自行测量的指示。

对 Fugu Max 的沉默，有一种公允的解读，值得说出来。Max 是 Fugu 系列中成本优化的层级，与 Fugu Ultra v2 同日发布；后者是在输入 $5.00、输出 $30.00 下的能力冲刺。Sakana 为 Max 给出的视觉论证是一张帕累托图——能力对成本——而在帕累托图上，原始基准分数无关紧要；每美元得分才是全部主张。如果那就是其论点，那么只列出六个获胜分数而不列出其成本，才是误导性的图表，而不是缺失的那张图表。这次发布仍然欠买家一个分母，而它并未提供。

Grok 4.6 真正暴露在哪里

终端工作是 Grok 4.6 已公布评测中最薄弱的环节。它在 Terminal-Bench v3.0 上的得分仅为 26%，远远落后于该领域的前列。请留意与之相邻的那个数字：同一模型在 Terminal-Bench v2.1 上取得了 88.4% 的成绩，而这是两项不同的测试。你会在报道中看到两者被混为一谈，而这种混为一谈极大地美化了 Grok。

第二个隐患在于，推理功能无法关闭。思考令牌每次请求都会计费，因此 Grok 4.6 的实际输出成本取决于模型决定对提示词思考到何种深度。努力程度旋钮让你能在低端加以控制，但并不存在归零档位。

相比之下，Grok 4.6 拥有 Fugu Max 目前无论出价多高都无法提供的东西：一个数字。上面的每一行都可以由第三方核验，而 Artificial Analysis 的收录意味着已经有一次核验了。Fugu Max 的六项胜绩与该模型在同一天发布，发布者正是打造它的公司，而截至本文写作时，Sakana 之外还没有人运行过它。

呼叫其中一个，操控另一个

Grok 4.6 已在 OrcaRouter 上线，采用 SpaceXAI 的标价——每百万输入 token 2.00 美元，缓存命中时 0.50 美元，每百万输出 token 6.00 美元——以 0% 加价原样传递，因此供应商的价格变动当天就能到达我们的网关，而不必等到迁移排期。它与其他目录中的模型使用同一基础 URL，并兼容 OpenAI，这意味着你可以把它放进故障转移链，或置于条件路由规则之后，而不必把某个提供商硬编码进生产路径；你也可以让它与另一个模型进行 A/B 测试，而无需再签一份合同。过去七天内，它通过网关处理了 4660 万个 token。

Fugu Max 不在我们的产品目录中。它通过 Sakana 自有的 OpenAI 兼容 API 以及若干第三方平台提供给你，该公司表示，现有的 Fugu 集成只需更改一个参数即可升级到它。由于二者采用相同的请求格式，将二者置于同一开关之下的评估只是更换 base URL，而非重写——这正是解决这一具体争论的正确方式，因为这场争论的核心是每完成一个任务所消耗的 token 数，而只有你自己的工作负载才能给出这个数字。

该买哪一个

Grok 4.6 是站得住脚的默认选择。在费率卡与 Fugu Max 完全相同的情况下，它为你提供可据以规划的 500K 上下文窗口、可固定（pin）的版本、四级推理控制、独立指数中第 44 的排名及旁边的每任务成本数字，以及数月的第三方测评。它的代价具体且已知：200K 重新定价断崖、始终计费的推理，以及在终端任务方面落后于同行的表现。

Fugu Max 是更有意思的押注，而且根据现有证据，也是更难以核查的那个。其设计逻辑是成立的——如果协调器能可靠地选出能完成你任务的最便宜模型，那么即使你的价目表不变，每完成一项工作的成本中位数也会下降。但在 $2.00 / $6.00 这个价位上，token 费率并不是 Fugu Max 的优势所在；该费率正是 Grok 4.6 的费率。优势必须来自使用更少的 token，而 Sakana 尚未公布能证明这一点的测量结果。

那就按两家厂商都希望你采用的方式来做比较。把 Grok 4.6 放到你的网关上，在功能开关后面调用 Fugu Max，并针对与你业务相似的工作，统计每个已完成任务的输出 token 数。如果 Fugu Max 在相同费率下完成时所用 token 少于单个模型，那么缓存折扣和协同就是真金白银，切换也说得通。如果不是，那你就是在以相同的费率为一个系统付费，而这个系统的组成可能在你不知不觉中发生变化，版本号却纹丝不动。

对于本季度你在没有那项衡量指标的情况下能决定的所有事情，都从有记分板的模型开始。