Program
Dasar-Dasar Kecerdasan Buatan
10 Hr
SpaceXAI merilis Grok 4.6 pada 12 Agustus 2026, sekitar sebulan setelah OpenAI membuat keluarga GPT-5.6 tersedia umum pada 9 Juli. Keduanya menawarkan janji serupa: agen yang berjalan lama dan tetap pada satu tugas lintas banyak langkah, serta first pass yang lebih kuat untuk pekerjaan interaktif. Grok 4.6 hadir dengan klaim seri dengan GPT-5.6 Sol pada Artificial Analysis Intelligence Index, yang menempatkan model berharga output $6 di samping yang $20 dan meminta Anda menilai perbedaannya.
Dalam artikel ini, saya akan membandingkan Grok 4.6 dan GPT-5.6 Sol pada pengodean agentic, kerja pengetahuan jangka panjang, penanganan konteks, kontrol penalaran, dan harga, lalu menempatkan keduanya melalui satu tugas build sulit dalam agen pengodean yang sama. Untuk ulasan lebih mendalam masing-masing model, lihat panduan Grok 4.6 kami dan panduan GPT-5.6 Sol, Terra, dan Luna kami.
Ringkasnya
- Kemampuan berdekatan: keduanya meraih skor 61 pada Artificial Analysis Intelligence Index, dan masing-masing memimpin sekitar separuh tolok ukur pengodean yang dipublikasikan.
- Harga yang membedakan, dan bukan kelipatan datar: Sol 2x lebih mahal pada input tetapi 3,3x pada output.
- Kedua model mengenakan biaya tambahan untuk prompt panjang, dan ambang Grok datang lebih dulu, pada 200.000 token dibandingkan 272.000 milik Sol.
- Dalam uji build praktis kami, keduanya mengirim simulasi yang benar dan stabil. Sol mencapainya dalam 3 giliran; Grok butuh 14.
- Pilih Grok 4.6 untuk loop yang berat penalaran dan generasi; pilih GPT-5.6 Sol untuk jendela 1.050.000 token, rekayasa berat terminal, atau jumlah giliran paling sedikit menuju artefak jadi.
Apa itu Grok 4.6?
Grok 4.6 adalah model terdepan SpaceXAI untuk pengodean, tugas agentic, dan kerja pengetahuan, dirilis pada 12 Agustus 2026. Ini dibangun di atas Grok 4.5 dengan fokus pada agen yang berjalan lama dan pekerjaan interaktif serta visual yang lebih ambisius, dan SpaceXAI mengatakan model ini tetap pada tugas kompleks lintas banyak langkah: meneliti topik, bekerja lintas codebase, atau mengubah ide menjadi aplikasi yang berfungsi. Sesi pelatihan menambahkan data penalaran yang dikurasi dan dihasilkan model serta reinforcement learning agentic meliputi optimasi kernel, pengembangan web, dan desain berbantuan komputer.
Yang membedakan adalah sikap harga. Grok 4.6 mempertahankan tarif utama Grok 4.5 sebesar $2 dan $6 per 1M token input dan output sambil meraih tambahan 5 poin pada Artificial Analysis Intelligence Index, yang menurut Artificial Analysis tidak lazim pada level terdepan, di mana kenaikan kemampuan biasanya hadir bersamaan dengan kenaikan harga.
Untuk melihat model ini beraksi, tutorial API Grok 4.6 kami menunjukkan cara membangun agen yang menggunakan tool langkah demi langkah, dan tutorial Grok Build kami membangun proyek machine learning di dalam agen pengodean, tempat 4.6 kini menjadi model default. Kami juga membahas rekan agen SpaceXAI dalam artikel Grok Bot kami.
Apa itu GPT-5.6 Sol?
GPT-5.6 Sol adalah andalan keluarga GPT-5.6 milik OpenAI, tersedia umum sejak 9 Juli 2026, berdampingan dengan Terra untuk pekerjaan sehari-hari dan Luna sebagai tier hemat biaya. OpenAI memosisikan Sol pada efisiensi sama kuatnya dengan kemampuan mentah: hasil terkini lintas pengodean, kerja pengetahuan, keamanan siber, dan sains sembari menggunakan lebih sedikit token. Kemampuan penggunaan komputer yang lebih kuat memungkinkannya memeriksa dan menyempurnakan hasil yang dirender alih-alih hanya menghasilkan kode di baliknya.
Dua kenop kemampuan baru hadir. Setelan max memberi model lebih banyak waktu daripada xhigh untuk menalar dan merevisi, dan ultra mengoordinasikan empat agen secara paralel secara default, menukar pengeluaran token dengan skor lebih baik dalam waktu dinding yang lebih singkat. Pada Terminal-Bench 2.1, Sol Ultra mencapai 91,9% dibandingkan 88,8% milik Sol standar.
Untuk pekerjaan langsung dengan model ini, tutorial Cursor Agent Mode kami membangun REST API dengan GPT-5.6 Sol, dan panduan ChatGPT Work kami menjalankan alur kerja data science end-to-end pada GPT-5.6. Jika Anda ingin perbandingan lain, kami juga membandingkannya dengan andalan Anthropic dalam Claude Opus 5 vs GPT-5.6 Sol.
Grok 4.6 vs GPT-5.6 Sol: Perbandingan Langsung
Versi singkatnya: kedua model setara dalam kemampuan dan sangat berbeda dalam harga.
Sama-sama 61 pada Intelligence Index, mereka membagi tolok ukur pengodean, dan Sol 3,3x lebih mahal pada output.
| Fitur | Grok 4.6 | GPT-5.6 Sol |
|---|---|---|
| Rilis | 12 Agustus 2026 | 9 Juli 2026 |
| AA Intelligence Index | 61 | 61 |
| Input / output per 1M token | $2 / $6 | $4 / $20 |
| Jendela konteks | 500.000 token | 1.050.000 token |
| Ambang konteks panjang | 200.000 token | 272.000 token |
| Tarif di atas ambang | $4 / $12 | 2x input, 1,5x output |
| Setelan penalaran | Low, medium, high, xhigh | None hingga max, plus ultra |
| ID model API | grok-4.6 |
gpt-5.6-sol |
| Batas pengetahuan | 1 Februari 2026 | 16 Februari 2026 |
Alur kerja pengodean dan agentic
Tabel Cursor, Grok 4.6 pada high melawan GPT-5.6 Sol pada max, tidak menentukan pemenang. Grok memimpin CursorBench v3.2 di 69,9% versus 67,2% dan GDPval-AA v2 di 1753 Elo versus 1728. Sol mengambil DeepSWE v1.1, 73% berbanding 65,9%, dan Terminal-Bench v3.0, 34,6% berbanding 26%.
| Tolok ukur | Grok 4.6 (high) | GPT-5.6 Sol (max) | Catatan |
|---|---|---|---|
| AA Intelligence Index | 61 | 61 | Gabungan sembilan tolok ukur; seri |
| CursorBench v3.2 | 69,9% | 67,2% | Harness agen milik Cursor |
| DeepSWE v1.1 | 65,9% | 73% | Pekerjaan jangka panjang pada codebase nyata |
| Terminal-Bench v3.0 | 26% | 34,6% | Keduanya rendah; versi berbeda dari angka 2.1 milik OpenAI |
| FrontierCode v1.1 Extended | 61,3% | 60,6% | Dalam kisaran noise |
| APEX-Agents | 57,5% | 56,7% | Dalam kisaran noise |
Baca selisih-selisih itu dengan secubit garam:
- Setelan upaya tidak cocok: Grok pada high, Sol pada max.
- Baris pihak ketiga adalah angka terbaik yang dilaporkan sendiri atau publik, bukan satu harness.
- Terminal-Bench v3.0 di tabel Cursor bukan Terminal-Bench 2.1 di posting OpenAI (88,8% untuk Sol). Versi berbeda.
Grok lebih kuat dalam loop agen IDE. Sol lebih kuat pada pekerjaan repositori jangka panjang dan command line.
Kerja pengetahuan agentic jangka panjang
Grok 4.6 memimpin AA-Briefcase, suite kerja pengetahuan jangka panjang privat milik Artificial Analysis, di 1577 Elo melawan 1502 milik Sol. Pada Harvey LAB, evaluasi tugas legal, angka yang dipublikasikan adalah 15,8% versus 2,5%, selisih 6x di mana keduanya bernilai buruk secara absolut, jadi perlakukan sebagai penanda, bukan perbedaan yang pasti.
Grok juga mencatat 50,7% pada ranah perbankan dari suite penggunaan tool milik Artificial Analysis. Skornya 88,4% pada Terminal-Bench v2.1 setara dengan model teratas, namun itu v2.1, bukan baris v3.0 di atas.
Jendela konteks dan kerja konteks panjang
Sol memegang jendela kira-kira dua kali lipat: 1.050.000 token dibanding 500.000 pada Grok 4.6, plus plafon output 128.000 token yang tidak ditandingi SpaceXAI dalam teks. Di atas 500K tidak ada padanan Grok.
Keduanya menyesuaikan harga untuk prompt panjang sebelum batas tersebut, dan ambang Grok datang lebih dulu:
- Grok 4.6: setelah 200.000 token pada 2x input dan 2x output pada seluruh request.
- GPT-5.6 Sol: setelah 272.000 token pada 2x input dan 1,5x output pada seluruh request.
Di antara 200.000 dan 272.000, tarif input bertemu di $4. Grok tetap lebih murah pada output, dengan margin yang lebih kecil daripada pasangan headline.
Kontrol upaya penalaran
Sol membuka lebih banyak kenop: none hingga max, plus ultra, yang menjalankan empat agen paralel. Grok 4.6 menawarkan low, medium, high sebagai default, dan xhigh. Menurunkan Sol ke none pada panggilan klasifikasi murah berguna. Lonjakan Ultra pada Terminal-Bench 2.1 dari 88,8% menjadi 91,9% itu nyata, tetapi kedua ekstrem menagih pada tarif output yang 3,3x milik Grok.
Permukaan tool bawaan
Grok 4.6 menyertakan function calling, penelusuran web, penelusuran X, dan eksekusi kode. GPT-5.6 Sol menambahkan pencarian file, pembuatan gambar, interpreter kode, shell ter-host, apply patch, penggunaan komputer, dan penelusuran tool pada Responses API.
Sol juga memiliki Programmatic Tool Calling: model menulis dan menjalankan program kecil yang mengoordinasikan tool dan memfilter hasil antara alih-alih mengirimkan setiap respons tool kembali melalui model.
Harga: yang benar-benar Anda bayar
Harga adalah perbedaan paling jelas, dan bentuknya bukan kelipatan datar.
Tarif token berdampingan
| Tarif | Grok 4.6 | GPT-5.6 Sol |
|---|---|---|
| Input, per 1M token | $2,00 | $4,00 |
| Output, per 1M token | $6,00 | $20,00 |
| Baca input cache, per 1M token | $0,50 | $0,40 |
| Ambang konteks panjang | 200.000 token prompt | 272.000 token input |
| Di atas ambang | 2x input dan output | 2x input, 1,5x output |
| Varian cepat, input / output | $4,00 / $12,00 | Tidak berlaku |
Sol 2x pada input dan 3,3x pada output, jadi kesenjangan melebar dengan semua yang ditulis model. Token penalaran ditagih pada tarif output pada keduanya. Baca cache berdekatan ($0,50 vs $0,40), tetapi SpaceXAI memperingatkan bahwa tanpa prompt_cache_key pada Responses API, Anda sering membayar penuh input pada server yang cache-nya dingin. Anda dapat membaca lebih lanjut di tutorial API Grok 4.6 kami.
Biaya beban kerja nyata
Rumusnya adalah (volume ÷ 1M) × tarif, dijumlahkan pada input dan output, pada tarif standar.
| Beban kerja | Grok 4.6 | GPT-5.6 Sol | Perbedaan |
|---|---|---|---|
| Berat generasi: 1M in / 4M out | $26 | $84 | +$58 (223%) |
| Retrieval, di bawah ambang: 10M in / 1M out | $26 | $60 | +$34 (131%) |
| Retrieval, di atas ambang: 10M in / 1M out | $52 | $110 | +$58 (112%) |
Beban kerja berat generasi adalah tempat selisih tarif output berpengaruh. Dua baris retrieval berbagi 10M in / 1M out dan hanya berbeda pada apakah setiap request berada di atas kedua ambang, jadi delta di antara keduanya adalah biaya tambahan. Tagihan Grok berlipat ganda dari $26 menjadi $52 pada baris itu. Sol naik dari $60 menjadi $110. Premi relatif menyempit dari 131% menjadi 112% meski selisih dolar membesar. Tidak ada vendor yang memublikasikan hitungan token untuk beban kerja bersama, jadi perlakukan total ini sebagai perbandingan tarif, bukan tagihan.
Kinerja Grok 4.6 dan GPT-5.6 Sol
Kami menjalankan satu tugas build sulit pada kedua model dalam agen pengodean yang sama.
Pengujian
Kami menguji kedua model untuk membuat simulasi fisika satu file, karena kedua vendor mengklaim kinerja kuat dalam pekerjaan interaktif dan visual. Prompt yang sama, identik byte, ditempel ke obrolan baru di workspace kosong. Satu percobaan masing-masing, tanpa ulang, tanpa pengarahan di tengah jalan.
Build a single-file HTML page (inline CSS and JS, canvas, no build step, no external libraries, no network) that simulates a few dozen balls of varying sizes bouncing inside a slowly rotating square container, under gravity. The balls should collide with each other and with the container walls, and lose a little energy on each collision so the system settles rather than gaining energy over time. The container keeps rotating throughout, so the balls should slosh and re-pile as it turns.
Ship it as one working file named index.html that starts animating on load. Do not ask me clarifying questions, make reasonable assumptions and note them briefly in a comment at the top of the file.Keduanya dijalankan di Cursor pada 25 Agustus 2026: Grok 4.6 pada penalaran high, GPT-5.6 Sol pada penalaran high. Hasilnya mendeskripsikan mereka sebagai agen, bukan model mentah. Akses jaringan ditolak untuk keduanya.
Apa yang dihasilkan Grok 4.6
Grok mengirim index.html yang berfungsi dan lolos dapat-dijalankan: satu file, menganimasi saat dimuat, tanpa error konsol yang tidak tertangkap, masih berjalan setelah 30 detik. Penahanan bertahan saat kotak berputar, tabrakan bola ke bola terlihat masuk akal, dan sistem kehilangan energi serta stabil alih-alih bertambah cepat.
Itu memakan 14 giliran asisten, dengan beberapa putaran koreksi diri. Ia juga meminta akses browser untuk memeriksa hasil kerjanya sendiri, yang kami tolak sesuai aturan izin pengujian.
Hasil
Skor 1 hingga 5 per sumbu, dinilai dengan menonton masing-masing simulasi selama 30 detik melawan rubrik yang ditulis sebelum dijalankan.
| Ukuran | Grok 4.6 (high) | GPT-5.6 Sol (high) |
|---|---|---|
| Giliran | 14 | 3 |
| Dapat-dijalankan | Lolos | Lolos |
| Kebenaran fisika | 5 | 5 |
| Stabilitas dari waktu ke waktu | 5 | 5 |
| Kualitas visual | 4 | 5 |
| Keseluruhan | 3,5 | 5 |
Pada artefaknya, ini hampir seri: keduanya mendapatkan fisika dengan benar, dan keduanya tetap stabil. Pemisahnya adalah upaya. Sol mencapai hasil yang sama dalam 3 giliran dibanding 14 milik Grok, yang menurunkan nilai keseluruhan Grok ke 3,5.
Tetapi ingat: Ini n=1 pada build visual, jadi bacalah sebagai satu data poin, bukan tolok ukur, dan ini tidak mengatakan apa pun tentang codebase besar atau rantai retrieval panjang.
Kapan Memilih Grok 4.6 vs GPT-5.6 Sol
Karena kemampuan berdekatan, keputusan bergantung pada bentuk beban kerja, ukuran konteks, dan seberapa besar Anda peduli pada jumlah giliran versus biaya per token. Pilih Grok saat output cukup murah untuk mendominasi tagihan. Pilih Sol saat Anda butuh jendela lebih besar atau giliran lebih sedikit.
Pilih Grok 4.6 jika...
- Beban kerja Anda banyak menulis. Pada $6 per 1M token output dibanding $20 milik Sol, bulan yang berat generasi berakhir di $26 alih-alih $84, dan token penalaran ditagih pada tarif output yang sama.
- Prompt Anda tetap di bawah 200.000 token. Di situlah tarif $2 dan $6 Grok berlaku penuh.
- Pekerjaan agen Anda terjadi di dalam IDE. Grok memimpin CursorBench v3.2 di 69,9%, dan menjadi model default di Grok Build.
- Anda lebih memperhatikan biaya per token daripada jumlah giliran.
Pilih GPT-5.6 Sol jika...
- Anda butuh lebih dari 500K token konteks. Jendela 1.050.000 token milik Sol tidak punya padanan Grok 4.6.
- Agen Anda bekerja jangka panjang di repositori nyata. Skor Sol 73% pada DeepSWE v1.1 dibanding 65,9% milik Grok adalah selisih pengodean terlebar ke salah satu arah.
- Jumlah giliran lebih penting daripada harga token. Sol menyelesaikan build fisika kami dalam 3 giliran dibanding 14 milik Grok.
- Anda ingin kontrol upaya yang lebih halus. Sol berjalan dari none ke max dan menambahkan
ultra.
Cara Memulai dengan Grok 4.6 dan GPT-5.6 Sol
Kedua model adalah pertukaran satu string jika Anda sudah memanggil endpoint yang kompatibel dengan OpenAI. Stringnya adalah grok-4.6 dan gpt-5.6-sol. OpenAI juga merutekan alias gpt-5.6 ke Sol.
| Permukaan | Grok 4.6 | GPT-5.6 Sol |
|---|---|---|
| API pihak pertama | xAI API | OpenAI API |
| Aplikasi konsumen | Aplikasi Grok dan Grok.com | ChatGPT |
| Agen pengodean | Grok Build (model default), Cursor (semua paket) | Codex, Cursor |
| Gerbang model | OpenRouter, Vercel, Cloudflare | OpenRouter, Vercel, Cloudflare |
| ID model API | grok-4.6 |
gpt-5.6-sol |
Menggunakan Grok 4.6 dan GPT-5.6 Sol dalam agen pengodean
Di Cursor, kedua model ada di pemilih, yang kami gunakan untuk menjalankan uji build. Beralih cukup mengubah pemilih, bukan menulis ulang konfigurasi.
Lewat API, pertukaran adalah satu string. xAI menyajikan endpoint yang kompatibel dengan OpenAI:
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["XAI_API_KEY"],
base_url="https://api.x.ai/v1", # drop this line for gpt-5.6-sol
)
response = client.responses.create(
model="grok-4.6", # swap for "gpt-5.6-sol"
input="Find and fix the bug: function median(a){a.sort();return a[a.length/2]}",
)
print(response.output_text)Untuk penyiapan lengkap, lihat tutorial API Grok 4.6, tutorial Cursor Agent Mode, dan tutorial Grok Build kami.
Pemikiran Akhir
Jika tagihan Anda didominasi oleh output dan token penalaran, gunakan Grok 4.6. Seri pada Intelligence Index dengan harga output kurang dari sepertiga adalah pilihan termudah di sini. Jika Anda butuh jendela sejuta token atau pekerjaan repositori jangka panjang, gunakan GPT-5.6 Sol dan terima preminya. Periksa di sisi mana dari biaya tambahan 200.000 token milik Grok prompt Anda berada sebelum beralih.
Dalam pengujian kami, klaim rilis terbukti: kedua model lolos dengan hasil baik. Namun, Sol jauh lebih cepat daripada Grok dan hanya butuh sekitar 20% dari jumlah giliran Grok, yang menunjukkan kesenjangan signifikan. Jika Anda ingin mahir menjalankan model-model ini di dalam agen alih-alih membacanya, saya merekomendasikan kursus Software Development with Cursor kami.
