Grok 4.6: recursos, benchmarks, preços e comparativos

O que é o Grok 4.6?

O Grok 4.6 é o modelo proprietário de raciocínio da SpaceXAI. A API e o Cursor não expõem o mesmo limite de contexto, e a tarifa mais alta para contexto longo começa bem antes do limite da API. A tabela coloca essas restrições ao lado dos tipos de entrada, ferramentas e do corte de conhecimento.

A SpaceXAI ainda não divulga a contagem de parâmetros de nenhum dos modelos. O número de 1,5 trilhão citado em alguns relatos não veio da SpaceXAI, portanto não é uma especificação confirmada.

O que há de novo no Grok 4.6?

Segundo a SpaceXAI, não se trata de um modelo totalmente novo treinado do zero. Em vez disso, o Grok 4.5 recebeu mais treinamento, com atenção extra a tarefas de agentes de IA. As mudanças relatadas envolvem execuções de agentes mais longas, builds visuais e pós-treinamento.

Tarefas de agente mais longas

A SpaceXAI afirma que o Grok 4.6 se mantém no trilho em tarefas longas com várias etapas, como pesquisa, trabalho em um codebase e construção de uma aplicação. O modelo supostamente verifica seu próprio trabalho com mais frequência em vez de fazer tudo em uma passada só.

Isso acompanha uma mudança mais ampla nos testes de modelos. Uma boa primeira resposta importa menos se o modelo esquece decisões anteriores após várias chamadas de ferramenta. Testes internos do GitHub também apontaram que o Grok 4.6 manteve o raciocínio e o uso de ferramentas por mais tempo.

A API traz recursos ligados a essa promessa. O Grok 4.6 pode transmitir resumos de raciocínio, algo que o Grok 4.5 não expõe, e a xAI recomenda compactação de contexto com uma prompt_cache_key persistente para loops longos de agente. A compactação resume o histórico anterior em um item, mas ainda consome tokens, e a solicitação precisa caber na janela de contexto antes que a compactação ocorra.

Desenvolvimento web visual e interativo

SpaceXAI e Cursor relatam melhores primeiras tentativas em projetos visuais. Em um teste externo, o Grok 4.6 reconstruiu uma antiga página do iPod Mini como um site 3D com seletor de cores funcional e animação de rolagem. O demo funcionou, mas um teste não comprova a alegação mais ampla.

Como o Grok 4.6 foi pós-treinado

Se você só se importa com benchmarks e preços, pode pular esta subseção. Ela explica a versão da SpaceXAI sobre de onde veio o ganho.

A SpaceXAI rodou mais treinamento do que no Grok 4.5. Usou exemplos de raciocínio e de engenharia gerados por IA, removeu exemplos fracos com verificações baseadas em modelo e então aplicou aprendizado por reforço para codificação, tarefas de escritório, desenvolvimento web, tunning de kernel e design de computadores. A SpaceXAI também diz que o Grok 4.5 criou novos exemplos de treino em diferentes configurações de raciocínio e temas. A empresa atribui o ganho a mais treinamento e seleção de dados mais rigorosa, não a uma nova arquitetura.

Equipes externas não podem verificar esses detalhes, e a SpaceXAI não compartilhou informação suficiente para repetir o treinamento. É a versão da empresa sobre o que mudou, não um resultado auditado por terceiros.

Benchmarks do Grok 4.6: oficiais e independentes

A tabela de lançamento da SpaceXAI mostra onde as pontuações subiram, mas as pontuações dos concorrentes são "o melhor entre resultados autorrelatados ou públicos". Uma mesma equipe não executou todos os modelos na mesma configuração. O esforço de raciocínio entra abaixo porque afeta a pontuação.

O Grok 4.6 melhora em relação ao Grok 4.5 em toda a tabela. As maiores vantagens do Sol aparecem no DeepSWE e no Terminal-Bench, enquanto o Fable lidera 3 linhas. Nem a própria tabela da SpaceXAI aponta um único vencedor.

Resultados independentes

A Artificial Analysis rodou seu próprio Intelligence Index em seis modelos desta comparação. Os resultados ficam próximos aos números da SpaceXAI, mas não são idênticos.

Grok 4.6 versus cinco rivais de ponta. Imagem do autor.

O gráfico coloca o Grok no mesmo nível do Sol em inteligência, mas bem abaixo em preço médio. A Artificial Analysis calcula esse preço com uma mistura 7:2:1 de entrada em cache, entrada sem cache e saída. O custo por tarefa concluída no índice mostra o mesmo gap: US$ 0,84 para o Grok, US$ 1,23 para o Sol e US$ 2,34 para o Opus 5.

O tempo até o primeiro token de resposta subiu de 14,62 segundos no Grok 4.5 para 40,44 segundos, enquanto o custo por tarefa aumentou de US$ 0,36 para US$ 0,84. O Grok 4.6 usou cerca de 20% mais tokens de saída nos mesmos testes, então manter o preço de tabela não significa manter o custo por tarefa. O custo por tarefa concluída dá uma visão melhor do que os cartões de preço da API porque inclui parte do raciocínio extra usado para finalizar o trabalho.

Comparado ao GPT-5.6 Sol e ao Claude Sonnet 5, o Grok 4.6 envia seu primeiro token de resposta mais cedo. O Sol em esforço máximo leva 213,52 segundos, e o Sonnet 5 leva 184,48, contra 40,44 do Grok. O Grok só parece lento ao lado de modelos de baixa latência como o Gemini 3.7 Flash.

Quão confiáveis são esses comparativos?

Eles são úteis para enxergar forças relativas, mas não um ranking cruzado confiável. O esforço de raciocínio muda pontuação e tempo de resposta: o GPT-5.6 Sol marcou 57 em high e 61 em max. Nomes de benchmarks também podem se referir a versões diferentes, então o Terminal-Bench 3.0 da xAI e o Terminal-Bench 2.1 da Artificial Analysis não são comparáveis.

O que mudou em relação ao Grok 4.5?

Para quem já usa o Grok 4.5, a decisão não é se o 4.6 é "melhor" no abstrato, e sim se a pontuação mais alta compensa uma nova latência e um perfil de uso de tokens diferente. A tabela coloca essas mudanças na mesma base.

No entanto, "mesmo preço" descreve só a tarifa base de tabela. Mais uma mudança importa para quem já usava o Grok 4.5: a entrada em cache subiu 67%, de US$ 0,30 para US$ 0,50 por milhão de tokens. Essa tarifa maior de cache amplia a distância entre o preço de tabela e o custo de uma tarefa concluída.

Grok 4.6 vs. a concorrência

Agora que já comparamos com o antecessor, vamos ver como o Grok 4.6 se sai frente a outros modelos de ponta da OpenAI e da Anthropic.

Grok 4.6 vs GPT-5.6 Sol

O empate no índice esconde uma divisão clara. O Sol supera o Grok em 7,1 pontos no DeepSWE e 8,6 pontos no Terminal-Bench, fazendo do coding pesado em terminal seu caso mais forte. O Grok pontua mais alto nas outras três linhas de tarefa.

Testes da própria OpenAI estendem esse resultado no terminal para navegação web e uso de computador. Continuam sendo evidências selecionadas pelo fornecedor, não um comparativo controlado, mas apontam na mesma direção: o ponto forte do Sol é trabalho que depende de terminal, navegador ou chamadas repetidas de ferramentas.

A OpenAI também pré-visualizou o modo Ultrafast para o Sol, que, segundo a empresa, roda até 14 vezes mais rápido. Ainda não há preço divulgado, então ele não entra na comparação de custos.

O Grok 4.6 parte de US$ 2 na entrada e US$ 6 na saída por milhão de tokens. A tarifa padrão do Sol é US$ 5 na entrada e US$ 30 na saída, cinco vezes o preço de saída do Grok. Acima de 272.000 tokens, o Sol dobra o preço de entrada e eleva a saída para US$ 45.

Isso não torna toda tarefa no Grok cinco vezes mais barata. O uso de tokens de raciocínio, os hits de cache e o número de turnos ainda mudam a conta final. A vantagem de preço do Grok fica mais nítida quando o uso de tokens é previsível. Para trabalho pesado em terminal, as pontuações mais altas do Sol podem importar mais do que a diferença no preço de tabela.

Grok 4.6 vs. Claude Sonnet 5

Sonnet 5 e Grok 4.6 começam em US$ 2 por milhão de tokens de entrada, o que facilita a comparação. O Sonnet 5 tem uma janela de contexto de 1 milhão de tokens por padrão, o dobro dos 500.000 do Grok, sem tarifa mais alta para prompts longos. A saída custa US$ 10 por milhão contra US$ 6 do Grok.

Dois dias antes do lançamento do Grok 4.6, a Anthropic tornou permanente o preço de US$ 2/US$ 10 e cancelou um aumento previsto para US$ 3/US$ 15. Isso importa ao comparar com tabelas de preço antigas, inclusive as nossas.

No índice da Artificial Analysis, o Sonnet 5 marca 55 em esforço máximo, seis pontos abaixo do Grok 4.6. Ele usou 300 milhões de tokens de saída nos testes contra 72 milhões do Grok, levando seu custo por tarefa a US$ 1,72. Seu tokenizer gera cerca de 30% mais tokens do que o Sonnet 4.6 para o mesmo texto. Isso dificulta comparar preços entre essas duas versões do Sonnet. E o Sonnet 5 não é o topo da linha da Anthropic.

Grok 4.6 vs Claude Opus 5 e Fable 5

Opus 5, a US$ 5 na entrada e US$ 25 na saída, lidera o índice com 63. O Fable 5, a US$ 10 na entrada e US$ 50 na saída, marca 62. A pontuação do Fable no índice também merece nota: a Artificial Analysis registrou recuos de segurança em prompts mais difíceis, então a pontuação reflete o modelo como as pessoas podem usar, não uma versão sem restrições que a Anthropic não oferece.

No benchmark AA-Briefcase da Artificial Analysis para tarefas longas de agentes, o Grok 4.6 concluiu em cerca de 53 turnos e usou 0,5 bilhão de tokens de entrada. O Opus 5 levou cerca de 103 turnos e 2 bilhões de tokens. Isso não prova que o Grok é o modelo mais forte no geral. Mostra que o Grok usou menos etapas e menos tokens de entrada nesse conjunto de testes, enquanto o Claude liderou nos outros testes citados acima.

Preços do Grok 4.6

O limite de 200.000 tokens no prompt é o ponto a observar: ele move todos os tokens da solicitação para a faixa mais cara. A tabela também inclui prioridade e cobranças de ferramentas.

As cobranças de ferramentas são separadas das de tokens. Uma solicitação que busca na web e depois executa código pode incorrer em ambas as tarifas de ferramenta antes de a saída em texto ser cobrada. Não há nome de modelo separado grok-4.6-fast. A API direta tem uma opção de prioridade cobrada a 2x quando a resposta confirma o uso prioritário. O Cursor mostra uma opção separada "Grok 4.6 (Fast)" à mesma tarifa 2x.

Grok 4.6 Fast selecionado no Cursor. Imagem do autor.

Como acessar o Grok 4.6?

O Grok 4.6 está disponível de primeira mão via: 

• a API da SpaceXAI
• Cursor
• Grok Build
• Gateways de terceiros (OpenRouter, Vercel, Cloudflare, Google Cloud Vertex AI)
• Outras ferramentas de código (GitHub Copilot, VS Code, JetBrains, Xcode e Eclipse)

A liberação cobre os planos Pro, Pro+, Max, Business e Enterprise. Em Business e Enterprise, os administradores precisam ativar o modelo porque ele vem desativado por padrão. O Grok 4.6 não é compatível com a Batch API da SpaceXAI, então não há opção em lote com desconto.

Um detalhe para empresas foge da disponibilidade do modelo. As respostas são stateful por padrão, e a SpaceXAI afirma que o histórico é armazenado por 30 dias. Com Zero Data Retention, as equipes não podem usar cadeias de resposta armazenadas ou conclusões postergadas; a xAI aponta o encrypted reasoning replay e WebSocket Responses como alternativas. Cada resposta inclui um header indicando se o ZDR estava ativo.

A semana de lançamento do Grok 4.6: modelos, Copilot e Cursor

O que mais me chamou a atenção naquela semana foi a rapidez com que lançamentos de modelos e acordos de distribuição se agruparam ao redor do Grok 4.6.

A semana de lançamento do Grok 4.6, para além dos benchmarks. Imagem do autor.

Grok Bot ditou o tom antes do lançamento do modelo. O agente em nuvem, ainda em beta inicial, foi incluído no SuperGrok Heavy por US$ 300 ao mês ou no Cursor Ultra por US$ 200 ao mês, em vez de ser vendido separadamente, atrelando o acesso a planos premium. O Grok 4.6 então levou o mesmo foco em agentes para a API, o Cursor e o Grok Build.

O lançamento do Gemini 3.7 Flash do Google e o preview do GPT-5.6 Sol Ultrafast da OpenAI deixaram a semana mais concorrida. Ao mesmo tempo, a ampliação do Copilot e o Cursor se juntando à SpaceX ampliaram a distribuição do Grok. O Cursor associou esse movimento à parceria com a SpaceXAI no início do ano e enquadrou a mudança como acesso às GPUs da SpaceX, mais do que pontuações de modelo. O post diz que esse acesso ajudará a construir modelos a um custo menor.

Minha leitura é que a SpaceXAI quer o Grok dentro das ferramentas que as pessoas já usam. O Grok 4.5 foi treinado em conjunto com o Cursor, e o Grok 4.6 entrou no Copilot quase imediatamente. Isso torna a distribuição por parceiros parte do lançamento, não um detalhe posterior.

Quando usar o Grok 4.6?

O Grok 4.6 se encaixa em trabalhos onde o preço da API e tarefas de agente longas importam mais do que a latência do primeiro token. É menos adequado quando as pontuações mais altas do Sol no terminal ou a janela de contexto maior do Sonnet 5 combinam melhor com a tarefa.

O Grok 4.6 faz sentido quando:

• O preço da API é a principal restrição. Ele sai mais barato que Sol, Opus 5 e Fable 5 no preço de tabela e no custo por tarefa
• O trabalho roda como tarefas longas e em múltiplas etapas de agente, nas quais sua eficiência de turnos (menos turnos e tokens de entrada que o Opus 5 no AA-Briefcase) compensa
• A tarefa é trabalho intelectual ou raciocínio jurídico, áreas em que ele lidera a tabela de benchmarks
• A latência do primeiro token não importa. Um começo lento se dilui em execuções longas, mas pesa na experiência de chat interativo

Pode haver alternativas melhores quando:

• O trabalho é coding pesado em terminal → GPT-5.6 Sol (pontuações mais altas em DeepSWE e Terminal-Bench)
• A tarefa precisa de uma janela de contexto grande → Claude Sonnet 5 (1M de contexto, sem sobretaxa para prompts longos)
• Você quer a menor latência para uso interativo → Gemini 3.7 Flash
• A compra é puramente por inteligência no topo → Opus 5 (63) ou Fable 5 (62) lideram o índice

Considerações finais sobre o Grok 4.6

O Grok 4.6 pousa em um meio-termo incômodo. Ele sobe cinco pontos no índice e fica abaixo de Sol e Opus 5 nos preços de tabela, mas começa mais lento e custa mais por tarefa medida do que o Grok 4.5. "Mesmo preço, modelo melhor" deixa metade do lançamento de fora.

O que ainda quero ver é uma execução de várias horas em que o codebase, as ferramentas e as instruções mudem o tempo todo. Cursor e GitHub Copilot agora oferecem esse cenário. Se as taxas de correção e falha se mantiverem baixas ali, a alegação de treinamento de agente ganha evidência além de um teste fixo; se não, o ganho de cinco pontos continua sendo só isso.

Para quem vai construir com a API da xAI, nosso tutorial da Grok 4 API cobre o cliente em Python e o fluxo de requisições.