DeepSeek V4 Pro 0813 和 Grok 4.6，谁更强？

看完两组成绩，答案并不是简单的谁吊打谁，而是两款模型的方向已经明显不同。

Grok 4.6 更像“全能旗舰”。

AA Intelligence Index 达到 61，与 GPT‑5.6 Sol Max 持平，只落后 Fable 5 一分；GDPVal、AA‑Briefcase、Harvey LAB 等商业及专业任务表现也非常亮眼。

在 DeepSWE 上，Grok 4.6 得分 65.9%，高于 DeepSeek V4 Pro 的 62.7%，复杂软件工程能力略占优势。

DeepSeek V4 Pro 则更像“工程型 Agent”。

Terminal Bench 2.1 达到 87.9，几乎追平 Fable 5；CyberGym 达到 83.3，AutomationBench 达到 31.8，在终端操作、工具调用、安全任务和自动化执行上表现非常凶猛。

需要说明的是，两张榜单使用的 Terminal Bench 版本和评测框架并不完全相同，不能把数字直接横向相减。但整体能力画像已经很清楚：

Grok 4.6：综合智力更强，知识工作更全面，更接近当前最强闭源模型。

DeepSeek V4 Pro：工程执行突出，Agent 能力强，API 成本低得多，更适合大规模自动化落地。

如果只比绝对综合实力：

Fable 5 ≈ GPT‑5.6 Sol Max ≥ Grok 4.6 > DeepSeek V4 Pro ≈ Opus 4.8。

但如果把价格和工程落地算进去，DeepSeek V4 Pro 依然是目前最具杀伤力的模型之一。

所以真正有意思的不是“DeepSeek 有没有超过 Grok”，而是国产模型与世界最强模型之间的差距，已经从代际差距变成了能力取向的差异。

一个是更强的全能旗舰，一个是更狠的工程 Agent。

#DeepSeek##Grok##人工智能##AI编程##大模型#