马斯克与腾讯，踏进了同一条河流

文 | 深流研究所，作者 | 刘思仁 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