Grok 4.6快来了，聊聊它背后那笔算力账

我最近在跑几个模型，刚好这两天看到马斯克又在SpaceX财报会上预告下周发Grok 4.6，1.5万亿参数，重点改进监督微调（SFT）和强化学习（RL）。说实话，我第一反应不是性能多强，而是算力多贵。

大概一周前，我看到马斯克说Grok 4.6要在8月7号前后发，当时没太在意。今天确定下周发，才把这件事跟前几天他说的另一个数字串起来：SpaceX预计年末计算能力超过2GW，到2027年底接近10GW。这个数字放在AI行业里，已经不是简单的“训练”，而是“算力基建”级别的表态。

我上周碰巧在一个客户那边聊AI训练成本，客户做金融风控，想在Grok上做微调。我帮他们算了一笔账：1.5万亿参数的模型，全参数微调，单次训练至少需要数千张H100跑几周，光是电费就够吓人。客户听了直接摇头，说“先看看4.6的API价格再说”。

素材里说Grok 4.6改进了SFT和RL，这两个方向很有意思。SFT解决的是“模型知道但不会说”的问题，RL解决的是“模型说得对但不够好”的问题。我猜这一版在推理链路的可控性上会有提升，特别是对代码、财务、法律这类结构化任务，Grok 4.5已经主打这些场景了，4.6应该是继续打磨。

但问题在于，马斯克同时还预告了Grok 4.7会在几周后推出，2.1万亿参数，然后Grok 5计划今年内发布，并且会基于SpaceX数据训练。这个节奏太快了。我这边实测下来，从4.5到4.6，从4.6到4.7，对于第三方开发者或企业来说，很难跟上，—每次版本切换都要重新做评估、调prompt、验效果，成本不低。

我注意到一个细节：马斯克说Grok 5会用SpaceX数据训练。这其实是个信号，—xAI开始把训练数据从公开互联网转向自有私有数据。SpaceX有大量火箭发射、卫星通信、地面站运营的数据，这些数据质量高、噪音低，如果真能用来训练模型，推理的准确性和可靠性会有明显提升。但问题也在这里：数据量够不够大？训练一个万亿参数模型，需要的数据量级是PB级别的，SpaceX的数据虽然好，但可能不够多，最后还是要依赖合成数据或公开数据兜底。

从商业角度看，Grok 4.6的定位其实很清晰：它不想跟GPT-4o、Claude 4打全面战争，而是想在企业级场景，特别是代码、金融、法律这些高价值、高专业度的领域，打出差异化。但问题在于，API价格如果定得跟其他模型一样，用户凭什么从闭源生态切到Grok？除非xAI在推理效率上有突破，把单次推理成本降下来，否则企业客户还是会观望。

我自己的判断是：Grok 4.6适合两类人。一类是做技术验证的，想看看1.5万亿参数+SFT+RL到底能跑出什么效果，对比一下自己手上的模型。另一类是已经在xAI生态里，用Grok 4.5做业务的，升级到4.6大概率会有性能提升，值得一试。但如果你是普通用户，只是想用AI写写周报、查查资料，那Grok 4.6跟其他模型之间的差距，可能还没有API价格差异来得大。

至于落地难度，最大的坑还是算力。马斯克说SpaceX年末计算能力超过2GW，这个数字听起来很猛，但实际落地到单次训练，还是要看具体的芯片架构、网络拓扑、散热方案。如果只是堆算力，不够，还得看怎么用。