Intern-S2-397B 对比 Grok 4.6：谁有权转动旋钮

Intern-S2-397B 与 Grok 4.6 的发布相隔约一个月，却对同一个根本问题给出了截然相反的答案：推理的控制权该归谁。Grok 4.6 是 x​AI 的旗舰模型，于 2026 年 8 月 12 日上线，它卖给你的只是一个旋钮——一个封闭 API 上可配置的推理强度控制，定价为每百万输入 token 2.00 美元、每百万输出 token 6.00 美元，窗口为 500,000 token，x​AI 的服务端工具另行计费。Intern-S2-397B 则是上海人工智能实验室 InternLM 团队于 9 月 13 日以 Apache-2.0 协议发布的 4030 亿参数科学多模态模型，它把整台机器都交到你手上——权重、思考开关、视觉通路、时间序列头——并指望你自己把它跑起来。一个是带着旋钮租来的；另一个则是彻底归你所有。这里真正重要的比较，不在于谁在基准测试榜单上得分更高，而在于你的工作负载究竟需要哪种控制权，以及每种控制权的代价是什么。

两个不同的表盘

区分这两者最清晰的方法，就是看推理控制位于何处。Grok 4.6 通过 xAI 的 API 暴露了一个推理努力程度设置，而围绕它还有一整套服务器端工具——函数调用、网络搜索、X 搜索、代码执行——这些由 xAI 运营并单独计费。你调整努力程度，串联它提供的工具，却从不触碰任何权重。模型的行为是 xAI 的财产，也是 xAI 的问题；你的杠杆是请求中的一个参数。

Intern-S2-397B 给你的则是另一组控制杆，而且它们位于技术栈的更底层。思维模式默认开启，你可以按请求通过 enable_thinking=False 将其关闭。由于该模型采用 Apache-2.0 许可，你还可以获取权重，用自己的数据微调推理行为本身，然后将结果部署在 LMDeploy、vLLM 或 SGLang 上。它的输入面比文本加图像的 API 更宽：它能接收时间序列信号并生成预测——这一能力目前仅通过 LMDeploy 接入——并且它针对沙箱环境中的长周期智能体任务进行了训练。代价同样清楚——只有当你有能力运维随之而来的硬件和部署栈时，这种程度的控制才有意义。

• 推理控制 — Grok 4.6：闭源 API 上的推理强度调节旋钮，对比 Intern-S2-397B：enable_thinking 开关，外加 Apache-2.0 许可下的完整权重级控制。

• 工具 — Grok 4.6：xAI 的服务器端网页搜索、X 搜索和代码执行，与 Intern-S2-397B 相比单独计费：工具调用需由你自行接入，外加通过 LMDeploy 的时间序列预测路径。

• 输入 — Grok 4.6：文本、图像、文件 vs Intern-S2-397B：文本、图像、时间序列。

• 上下文——Grok 4.6：500,000 个 token，对比 Intern-S2-397B：256K 文本推理、64K 多模态，这两个数字均来自模型卡。

• 价格 — Grok 4.6：每 100 万 token $2.00 / $6.00，超过 20 万 token 后升至 $4.00 / $12.00；而 Intern-S2-397B：无价目表；可自行托管或使用官方 Intern API。

这些数字实际涵盖的内容

下文中每一个 Intern-S2-397B 的数值都来自 InternLM 自己，经由 OpenCompass、VLMEvalKit 和 AgentCompass 运行得出，并与权重一同发布，没有经过独立复现。Grok 4.6 的数字则是另一回事：它们是模型上线后通过公开竞技场和 Artificial Analysis 逐步积累起来的，因此带有第三方标签。

在独立评测这边，Grok 4.6 在当前 Artificial Analysis 智能指数上为 44，GPQA Diamond 为 94.9，Humanity's Last Exam 为 61.0，编码得分为 76.8，而 Artificial Analysis 给出的 TerminalBench 2.1 数字接近 80.3。在厂商这边，Intern-S2-397B 的模型卡报告 MMLU Pro 为 89.77，HMMT-2026 为 93.56，MMMU Pro 为 81.68，SWE-bench-Pro 为 68.54，同时还有几项科学类成绩，让它看起来像是另一个物种：Biology-Instructions 为 55.71，SciReasoner 1.5 为 63.28，Mol-Instructions 为 53.95，MolecularIQ 为 62.35。厂商表格中最该让智能体构建者心里一紧的数字，是 TerminalBench 2.1 的 64.04——模型自己的制造者报告称，这一数字大幅落后于更早的闭源一代，而且恰恰是在像 Grok 4.6 这样的租用前沿模型最强的终端任务赛道上。

把这种分化看作一幅画像，而不是一份排名。Intern-S2-397B 是一个科学领域的专才，同时也是一名合格的通用模型；Grok 4.6 则是一个对科学略有兴趣的通用型模型。科学类目表现悬殊是意料之中的——没有任何通用旗舰模型是在同时包含图表、版式和符号记法的科学文献原始页面上完成预训练的，而这恰恰是 Intern-S2-397B 所围绕构建的范式。两个证据基础中都没有任何内容支持“Intern-S2-397B 在任意推理上与 Grok 4.6 一样好”，Grok 4.6 的证据也没有任何地方表明它针对多组学序列分析做过调优。

控制的代价

Grok 4.6 有一个可以直接填进电子表格的价格：每百万输入 token 2.00 美元，每百万输出 token 6.00 美元；一旦提示词超过 200,000 token，费率就会升至 4.00 美元 / 12.00 美元，此外还有可选的优先层级，可获得更快的响应。它可通过 OrcaRouter 获取，按 x​AI 的标价以 0% 加价原样转售，因此 x​AI 一调价，当天就会同步到这里，没有中间商差价——你租用的那个旋钮，始终按厂商给它的定价来计价。

Intern-S2-397B 完全没有公布按 token 计费的费率。模型卡提到官方的 Intern API，但人们真正想比较的经济账是自托管方案：一个 403B 参数的检查点，BF16 精度下约 807 GB 权重、分布在 188 个分片中，因此需要一台够格的多 GPU 节点，而 FP8 版本大致能把占用减半。如果你已经拥有这样的算力，那么下一次科学查询的边际成本就接近于电费——而这正是 Apache-2.0 立场的全部意义所在。如果你没有这样的算力，那么这个“免费”模型就是一笔资本支出试点，而不是一项日常开支。

在这种特定搭配中，路由器换来的不是价格优势，而是接缝。Grok 4.6 依托你已有的密钥来处理一般生产流量；Intern-S2-397B 并不通过 OrcaRouter 路由——它是一个全新的检查点，而通往它的路径是供应商自己的 API 或自托管部署。把一般的、对延迟敏感的推理交给按量计费的模型，把科学批处理工作留在你自行运行的模型上，并让自动故障转移在任一方的端点不健康时为你兜底。两者之间的边界变成一条路由规则，而不是第二次集成。

该选哪一个

当任务属于通用型、推理必须快速且正确地返回、而你又不想自己拥有支撑这一切的技术栈时，就选 Grok 4.6。它 500K 的上下文窗口、实测 94.9 的 GPQA Diamond 成绩以及工具套件都是生产级特性，而 $2/$6 的计价表就是你为“无需运维任何东西”所付的费用。

当输入是科学性的——图表密集的论文、分子结构图、时间序列信号——并且推理必须发生在无法离开你的环境的数据上，或者发生在你想自己微调的行为上时，就选 Intern-S2-397B。Apache-2.0 让这成为可能；任何租用的 API 都做不到。要为硬件做好预算，短期内别指望有独立的评测榜单，并且把它的模型卡上的每一个数字都当作一种宣称，直到 InternLM 之外有人复现出其中一个为止。