GPT-6 vs Grok 4.6：两个中间档位，一张在超过 20 万 Token 后出现分化的账单

GPT-6 Sol与Grok 4.6在两栏的最上方标价相同：每百万输入 token 2.00 美元，每百万输出 token 6.00 美元。而几乎没有人会在旁边注明的是：这两栏在请求的不同节点就不再对等了。Grok 4.6 在提示超过 200,000 个输入 token 后便开始按长上下文费率计费；GPT-6 Sol 则要等到 272,000 个。一旦越过这两条线，整个请求都会重新计价——而不只是超出的那部分——并且两家厂商的重新计价方向正好相反，而这一点恰恰决定了一次长时间 agent 运行的账单。GPT-6 Sol 及其同系列模型 GPT-6 Astra 和 GPT-6 Luna 于 2026 年 9 月 22 日发布；Grok 4.6 是 SpaceXAI 产品线中的中间档，于 2026 年 8 月 12 日发布，如今 Grok 4.7 也已问世，因此这是两款已发布模型之间的比较，而非其中任何一款的发布。

2026年10月7日还发生了第二件事，这件事对你如何解读 GPT-6 至关重要：OpenAI 开始将 GPT-6推广到 ChatGPT 的主 Chat 标签页中，并于10月8日覆盖免费套餐，其中 Plus、Pro、Business 和 Enterprise 套餐运行 GPT-6 Sol，Free 和 Go 套餐运行 GPT-6 Luna。这是一个表层变化——相同的模型、远为庞大的受众，以及一个 OpenAI 称之为 Intelligent UI 的新界面层。它不会改变任何一项 API 速率。但它确实意味着，如果你正在将“GPT-6”与任何东西进行基准对比，那么你现在进行基准对比的模型，同时也是极大量的人在浏览器标签页中与之对话的模型。

两张卡真正的区别在哪里

• 短上下文输入——GPT-6 Sol 每百万 2.00 美元，对比 Grok 4.6 每百万 2.00 美元
• 短上下文输出——GPT-6 Sol 每百万 10.00 美元，对比 Grok 4.6 每百万 6.00 美元
• 长请求阈值——GPT-6 Sol 在输入超过 272,000 个 token 时重新计价，对比 Grok 4.6 在超过 200,000 个时重新计价
• 长请求输入——GPT-6 Sol 每百万 4.00 美元，对比 Grok 4.6 每百万 4.00 美元
• 长请求输出——GPT-6 Sol 每百万 15.00 美元，对比 Grok 4.6 每百万 12.00 美元
• 缓存输入——GPT-6 Sol 每百万 0.20 美元，对比 Grok 4.6 每百万 0.50 美元
• 上下文窗口——GPT-6 Sol 1,050,000 个 token，对比 Grok 4.6 500,000 个 token
• 输入模态——两者均接受文本、图像和文件
• 知识工作得分——在 Artificial Analysis Intelligence Index 上，GPT-6 Sol 为 47.6，对比 Grok 4.6 的 44.3
• Terminal-Bench 2.1——GPT-6 Sol 未在同一修订版上公布，对比 Grok 4.6 的 88.4

把两行输出合在一起读，决策的轮廓便浮现出来。在20万token以下的任何请求中，Grok 4.6每百万输出token便宜4.00美元，而超过20万之后只便宜3.00美元。这比标题上说的40%要小得多，因为两个模型都是对整条请求重新计价，而不是只对越过分界线的那部分计价——这个细节值得细细琢磨，毕竟一条200,001 token的提示，并不会被拆成1个token按高价、200,000个token按低价来计费。

那么，阈值本身的作用方向就反过来了。Grok 4.6 比 GPT-6 Sol 早 72,000 个 token 开始重新定价。对于始终落在 200K 到 272K 之间的工作负载，尽管 Grok 4.6 的每 token 标价更低，它却是更贵的模型，而且它是两者中唯一真正发生变动的。你的提示词落在那个窗口的哪一侧，比哪个标价更低是更有用的问题。

基准差距比价格差距更小、更窄

在 Artificial Analysis 的 Intelligence Index 上——这是一项第三方测评，而非厂商自制的榜单——GPT-6 Sol 得分为 47.6，Grok 4.6 为 44.3。在 0 到 100 的评分尺度上，3.3 分的差距是真实存在的，但这种差距并不足以让一个模型在某项任务上算错、另一个算对。而且这一结果是在每个模型特定的推理设置下测得的：GPT-6 Sol 提供可配置的推理强度，Grok 4.6 也有自己的设置——因此，任何引用单一正面交锋数字的人，引用的都只是二维网格中的一个点。

两者真正拉开差距的地方在于终端风格的智能体任务。在 Terminal-Bench 2.1 上，Grok 4.6 的成绩为 88.4。对于本目录所收录的那个修订版本，GPT-6 Sol 没有可比的已公布数据，而对空白单元格的诚实解读是：该数字未被公布——而不是该模型表现不佳。如果工作负载是长时间运行、由 shell 驱动的智能体，那么已公布的证据更支持 Grok 4.6，而缺失的证据不能算作任何一方的证据。

在长文本知识检索上，情况恰好相反。GPT-6 Sol 在长上下文召回上录得 83.7，而 Grok 4.6 为 80.3，且这两款模型的厂商都在别处报告各自的数字——SpaceXAI 强调 Grok 4.6 在 GPQA Diamond 上达到 94.9，而 OpenAI 关于 GPT-6 的材料大多由厂商自报且未经复现。有两条规则可以理清这一点：厂商数字是一种主张，榜单数字是针对某个具名版本的实测结果。两者不可互换，也绝不应被平均成一个单一的“更优”分数。

继任者问题

这两者都不是各自实验室最新的模型，假装它们是，将是这次对比所能做的最具误导性的事。SpaceXAI 于 2026 年 9 月 21 日发布了 Grok 4.7，基础费率同样为 $2.00 / $6.00，智能指数从 44.3 升至 46.4。OpenAI 于 2026 年 9 月 29 日发布了 GPT-6.1 Sol，同样为 $2.00 / $10.00，智能指数为 51.8，而且有一项费率实际上有所改善：缓存输入从每百万 $0.20 降至 $0.10。Artificial Analysis 现在将其 GPT-6 Sol 页面标记为已弃用，并引导读者前往 GPT-6.1 Sol。

所以，公平的提法不是“这两者中你该采用哪一个”，而是“这两者中你该采用哪一个——以及你是否确定，两边都没有已经新出一代的版本”。选择继续使用 GPT-6 Sol 的理由，通常是一个具体的、已存在八天的集成方案，而不是某种能力声明；选择继续使用 Grok 4.6 的理由，则是一个已公布的终端智能体数值，而其继任者尚未在公开场合达到同等水平。两者都有其合理性，而且都有时限。

用一个键同时运行两者

两个模型都由 OrcaRouter 路由，因此让两个候选模型同时保持可用，在机械层面不产生任何成本：用一个 API 面向 200+ 个模型，同一个密钥，无需第二份合同，二者之间也无需改动代码。这一点在这里比通常更重要，因为在这个特定组合中，选用第二个模型的理由不是能力上的对冲，而是路由决策——把 200K 至 272K 的窗口交给 GPT-6 Sol，把所有更短的请求交给 Grok 4.6，同一个应用就能在一个阈值两侧都拿到更便宜的费用，而这个阈值，两家供应商都不让你自行选择。

自动故障转移是同一套配置里乏味的那一半。长上下文智能体运行之所以耗时很长，正是因为有什么东西一直让会话保持打开；而到第四十分钟时提供商的一次小故障，就是那种代价高昂的失败。提前配置好的第二条路由会把这种情况变成一次重试，而不是从头重跑。

我们的目录把两者都按各自提供商自己的标价列出，不加任何加价，因此任一卡片上的费率变动，在到达他们那边的同一天就会到达我们这边。这一点值得平实地讲清楚，而不是当作口号：值得在意的原因是，上面 $0.20 对 $0.50 的缓存输入差价，正是供应商会悄悄改动的那类价格项，而直通意味着你永远不必等转售商跟上。

到底是什么决定的

如果你的提示词很短，Grok 4.6 在输出价格上以任何指数差距都无法弥合的优势胜出，而且它的终端代理得分是两列中已公布的最强数值。如果你的提示词很长，GPT-6 Sol 更晚的重新定价阈值和更长的窗口，比它更高的输出费率更有价值，而缓存输入一项的成本只有四分之一。如果你的提示词介于 200K 和 272K 之间，你手里握着的正是那种看似更便宜的模型反而更贵的工作负载，而解决办法是路由选择，而非模型选择。

值得关注的不是这两款模型中的任何一款，而是已经就位的两个后继者。Grok 4.7 和 GPT-6.1 Sol 都削弱了在此处等待决策的理由，而一项每隔三周就必须重新跑一遍的对比，本就该放在路由器后面，而不是写进架构文档里。