（来源：钛媒体 APP）

在成立三年、烧钱无数之后，Grok 终于活成马斯克想要的样子。

昨天凌晨，SpaceXAI 发布 Grok 4.6。Artificial Analysis 的独立评测显示，Grok 4.6 的智能指数 61 分，已经追平 ChatGPT-5.6 Sol，紧跟 Fable 5 Max 的 62 分，且每任务成本 0.84 美元，比起 Sol（约 1.23 美元）和 Opus 5（约 2.34 美元），成本优势明显。

马斯克显然很兴奋，两小时里转了十几条推文，最后放话说，综合考虑智能、速度和成本，Grok 4.6 客观上是第一名，而且 Grok 4.7 将会超越当前所有模型。

很难想象就在 5 个月前，Grok 差点就要吃散伙饭了。

1、Cursor 治好了马斯克的 AI 内耗

今年 3 月是马斯克的 AI 至暗时刻，当时 Grok 4.3 远远落后硅谷御三家，更麻烦的是，xAI 的 11 位联合创始人，除了老马本人，其他 10 人全部离职，马斯克公开承认，"xAI 的第一次构建失败了，我们必须重新来过 "。随后 Grok 被并入即将 IPO 的 SpaceX 中，变成 SpaceXAI。

AI 城头变幻大王旗。仅仅五个月，御三家中的谷歌陷入了模型掉队和人事震荡的泥淖中，Gemini 被戏称为美国豆包，Grok 却像 SpaceX 的猎鹰火箭般一飞冲天。

治好马斯克 AI 内耗的，是他花了 600 亿美元收购的 Cursor，一个 AI 代码编辑器。

3 月 12 日，就在 xAI 创始团队清零的同一天，两位 Cursor 的高级产品工程负责人 Andrew Milich 和 Jason Ginsberg 宣布加入 xAI，直接向马斯克汇报。

4 月，SpaceX 和 Cursor 签署算力与联合开发协议。6 月 16 日，在刚完成有史以来最大规模 IPO 的四天后，SpaceX 宣布行使收购 Cursor 母公司的选择权，同时还宣布，过去几个月，SpaceXAI 一直在和 Cursor 联合训练一个模型。

Grok 逆袭的脚本，就是这个 " 联合训练 " 写下的。

SpaceX 在上市前，向美国证券交易委员会（SEC）提交的文件里，详细说明了背后的逻辑：软件开发是 AI 非常重要的应用场景，因为它同时具备高质量结构化数据、快速反馈周期和高频使用；AI 编程产生的工作轨迹，又能反过来改善模型训练和性能。

这是一条清晰的正反馈回路。用户拿 Grok 干活，Cursor 记录它怎么干、哪里失败、哪里需要补救，工程师把这些真实任务的行为轨迹和反馈结果，加工成大模型的训练和评测数据，经过 RL 和持续训练让模型变强。

效果来得非常快。7 月，Grok 4.5 发布，编程能力直接追平 GPT-5.5，且价格只有一半。一个月后，Grok 4.6 又闪亮登场了。

这个逆袭配方，Anthropic 已经验证过了。2025 年 2 月，就在 deepseek 横空出世震惊硅谷的时候，当时还是小角色的 Claude，发布了新模型 sonnet3.7，跟着模型同时发布的还有 claude code，一个 AI 编程助手，从此开始了一路开挂，不到一年就反超了 ChatGPT。

有意思的是，在 Grok 逆袭的同一时间，也有人用相似的方式，实现了相似的逆袭，这就是腾讯的 workbuddy 和混元。

2、腾讯找到了自己的 Co-design Loop

在 Grok 4.6 发布前几个小时，腾讯的财报电话会上，就重点讲了 workbuddy 和混元的 Co-design（协同设计）。

跟马斯克花大价钱收购业务成熟的 cursor 不同，WorkBuddy 是腾讯内部一个小团队，趁着 3 月的 " 龙虾热 "，在原来的 AI 编程智能体 codebuddy 上改造出来的 AI 办公智能体。

Workbuddy 飞速崛起，6 月的月度访问量已经达到 2097 万，在国内桌面 AI 办公智能体中排名第一，超过第二、第三名之和。更重要的是，这样的办公 AI，是比编程更大的场景和任务富矿，每天能产生大量真实工作任务，如写 PPT、整理文档、处理表格、搜索资料、跑代码、修改文件、调用工具。

在这里，用户的一次失败任务，往往比 Benchmark 里一个错误更有价值，因为它告诉模型到底为什么失败；一次成功任务，也可以拆成一条可复用的 Agent 轨迹。这让模型训练得到一种非常稀缺的东西，就是真实世界的任务分布、操作轨迹、失败案例和最终结果。

负责重建腾讯混元的姚顺雨，自然知道这些场景的价值。一年多前，他在文章《AI 下半场》里就提过，大模型的强化学习（RL）有了泛化能力之后，模型评估比模型训练更重要，而做好模型评估，需要开发面向现实世界效用的全新评估设定或任务。

CodeBuddy、WorkBuddy 等场景，就有大量的面向现实世界的任务和评估，所以刚开始重建混元的时候，姚顺雨就提出了 Co-design 的方法，让模型跟产品进行深度协同优化。

财报电话会上，刘炽平肯定了这种效果，" 通过持续把真实产品使用和领域反馈注入模型训练，我们的‘模型 - 产品 Co-design ’方法让混元得以验证模型精度、识别并解决边缘场景，实现更快的模型迭代。"

这是混元今年快速进步的一大原因。4 月底 Hy3 Preview 亮相，7 月正式版发布，在 Agent、推理和编码等任务上已经进入国产模型第一梯队，用 295B 的小参数，实现了性能对标大参数的竞品。

混元的进步，刘炽平的表述是，" 能力提升最明显之处体现在其智能体能力和产品体验上，在推理、智能体和长上下文任务上的性能跃升，为编程、办公、财务建模和前端设计等用例带来了明确优势。"

这些能力对应的，正是典型的 workbuddy 用户场景，这说明了 workbuddy 和混元之间，开始形成了一个 Co-design Loop（协同飞轮），模型越强，用户敢交给它的任务越难。任务越难，产生的数据越有价值。数据越有价值，下一轮模型就越强。

刘炽平在电话会上明确说，Hy4 将是更大规模的模型，目标是逐步逼近行业最先进水平（SOTA），这可能是向来低调的腾讯高管首次公开喊出 " 追求 SOTA 大模型 "。

几个小时后，刚发布 Grok4.6 的马斯克，更是直接立下了 SOTA 的 flag，认为 SpaceX 的训练语料库如此出色且独特，如果有任何模型在现实世界工程方面比 Grok4.7 更好，他会感到震惊。

马斯克向来欣赏微信，在买下推特之后，他心心念念的就是把要推特改造成微信这样的万能应用，去年年底接受采访时，更是直接把 X 的定位说成了 "WeChat++"。

这回在 AI 上，他又跟腾讯踏进了同一条河流。

3、被验证的系统，比单独的模型或产品更重要

这种 Co-design Loop 的出现，确实让大模型后发者看到了赶超的希望。

Meta 最近就推出首款编程 Agent，Muse Codem，搭载了新一代模型 Muse Spark 1.2，这个模型的定价策略很特别，分成了标准版和贡献者版，这个贡献者版比标准版的价格便宜了 95%，开通的条件就一个，允许 Meta 用开发者的编程数据去训练未来的模型。

小扎虽迟但到，小心思也肉眼可见。

但跟硅谷不计成本的大模型竞赛相比，国内的 AI 行业更看重投入与产出，所以 Codesign Loop 更大的价值在于，这可能是 AI 大模型第一次出现类似互联网平台的网络效应，用户增长带来数据，数据带来模型能力，模型能力带来更强产品，更强产品带来用户增长。

而且，在编程、办公等生产力场景，用 AI 来帮自己完成工作任务，无论是普通用户还是企业，付费意愿都更高。

也因此，在 workbuddy 率先跑出来后，国内巨头纷纷跟进发力 AI 办公，字节把飞书并入豆包，阿里整合了千问办公，大家都把文档、邮件、会议等办公能力接入到 agent 里，既希望制造更多高质量的 " 真实任务—执行—验证—反馈—训练 " 循环，来提升模型能力，也希望在生产力场景中实现 AI 的商业回报。

这种回报已经初现端倪。腾讯财报会上，对 workbuddy 有个表述说明了这一点，" 目前现金收款正在大幅爬坡，年内会逐步转化为腾讯云的报表收入。"

更有意思的是腾讯首席战略官詹姆斯的说法，他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。"

所以，虽然腾讯在今年 Q2 的资本开支达到了 527.8 亿元，同比增长 176%，首次出现季度自由现金流转负，管理层却没有选择把算力直接转手出售，按当下行情，这能直接赚超过 30%，但刘炽平说，腾讯在 " 执行一套更长远的战略 "，会优先把算力给到混元模型和 workbuddy 等 AI 应用。

能让人放弃唾手可得的 30% 利润，去押注的东西，肯定不只是单个的模型或产品的提升，而是一套系统，一套开始得到验证的复利系统。

大模型军备竞赛打了两年多，大家终于发现，光有大力未必能出奇迹，能产生 Co-design Loop 的产品，可能才是技术进步与商业回报的真正加速器。