Grok 4.6: возможности, бенчмарки, цены и сравнения

Что такое Grok 4.6?

Grok 4.6 — это проприетарная модель рассуждений SpaceXAI. API и Cursor не раскрывают одинаковый лимит контекста, и повышенная ставка для длинного контекста включается задолго до предела API. Таблица сопоставляет эти ограничения с типами ввода, инструментами и датой отсечки знаний.

SpaceXAI по-прежнему не публикует число параметров ни для одной модели. Указанная в некоторых отчётах цифра 1,5 триллиона не исходила от SpaceXAI, поэтому это не подтверждённая спецификация.

Что нового в Grok 4.6?

По словам SpaceXAI, это не новая модель, обученная с нуля. Вместо этого Grok 4.5 прошёл дополнительное обучение с повышенным вниманием к задачам ИИ-агентов. Заявленные изменения касаются более длительных прогонов агентов, визуальных сборок и пост-обучения.

Более длительные агентные задачи

SpaceXAI утверждает, что Grok 4.6 лучше держит линию при длительных задачах из нескольких шагов, таких как исследования, работа с кодовой базой и создание приложения. По сообщениям, модель чаще проверяет свою работу вместо попытки сделать всё за один проход.

Это соответствует более широкой смене подходов к тестированию моделей. Хороший первый ответ значит меньше, если модель забывает ранние решения после нескольких вызовов инструментов. Внутренние тесты GitHub также показали, что Grok 4.6 продолжал рассуждать и использовать инструменты в более длинных задачах.

В API есть функции, связанные с этим заявлением. Grok 4.6 умеет стримить сводки рассуждений, чего Grok 4.5 не раскрывает, а xAI рекомендует сжатие контекста с постоянным prompt_cache_key для длинных агентных циклов. Сжатие сводит более раннюю историю к одному элементу, но всё же использует токены, и запрос должен уместиться в окно контекста до запуска сжатия.

Визуальная и интерактивная веб-разработка

SpaceXAI и Cursor сообщают о более удачных первых попытках в визуальных проектах. В одном внешнем тесте Grok 4.6 воссоздал старую продуктовую страницу iPod Mini как 3D‑сайт с рабочим цветоведом и скролл-анимацией. Демонстрация сработала, но один тест не доказывает общий тезис.

Как проводилось пост-обучение Grok 4.6

Если вас интересуют только бенчмарки и цены, пропустите этот подраздел. Здесь объясняется версия SpaceXAI о том, откуда взялся прирост.

SpaceXAI провела больше обучения, чем для Grok 4.5. Использовались сгенерированные ИИ примеры рассуждений и инженерные примеры, слабые примеры удалялись модельными проверками, а затем применялось обучение с подкреплением для кодирования, офисных задач, веб-разработки, настройки ядра и проектирования компьютеров. По словам SpaceXAI, Grok 4.5 также создавал новые обучающие примеры при разных настройках рассуждений и по разным темам. Компания относит прирост к большему объёму обучения и более строгому отбору данных, а не к новой архитектуре.

Внешние команды не могут проверить эти детали, и SpaceXAI не поделилась достаточной информацией для повторения обучения. Это версия компании о произошедших изменениях, а не результат, подтверждённый извне.

Бенчмарки Grok 4.6: официальные и независимые результаты

Таблица запуска SpaceXAI показывает, где выросли баллы, но баллы конкурентов — это «лучшие из саморепортных или общедоступных результатов». Одна команда не прогоняла все модели в одинаковых условиях. Ниже включён уровень усилий, так как он влияет на итог.

Grok 4.6 улучшает результаты по сравнению с Grok 4.5 во всей таблице. Наибольшие разрывы с Sol видны в DeepSWE и Terminal-Bench, тогда как Fable лидирует в 3 строках. Даже таблица самой SpaceXAI не указывает на одного победителя.

Независимые результаты бенчмарков

Artificial Analysis запустила свой Intelligence Index для шести моделей в этом сравнении. Её результаты близки к цифрам SpaceXAI, но не идентичны.

Grok 4.6 против пяти передовых конкурентов. Изображение автора.

Диаграмма показывает равенство Grok с Sol по интеллекта, но значительно ниже по смешанной цене. Artificial Analysis рассчитывает цену при соотношении 7:2:1 для кэшированного ввода, некэшированного ввода и вывода. Стоимость завершённой индексной задачи демонстрирует ту же разницу: $0,84 для Grok, $1,23 для Sol и $2,34 для Opus 5.

Время до первого токена ответа увеличилось с 14,62 секунды у Grok 4.5 до 40,44 секунды, а стоимость задачи выросла с $0,36 до $0,84. Grok 4.6 использовал примерно на 20% больше выходных токенов на тех же тестах, поэтому неизменная прайсовая цена не означает неизменную стоимость задачи. Стоимость завершённой задачи даёт более точную картину, чем одни прайс-карточки API, поскольку учитывает дополнительное рассуждение, необходимое для выполнения работы.

В сравнении с GPT-5.6 Sol и Claude Sonnet 5 Grok 4.6 отправляет первый токен ответа раньше. Sol на максимальных усилиях тратит 213,52 секунды, а Sonnet 5 — 184,48, против 40,44 у Grok. Grok выглядит медленным только рядом с моделями с низкой задержкой, такими как Gemini 3.7 Flash.

Насколько надёжны эти сравнения бенчмарков?

Они полезны для выявления относительных сильных сторон, но не для надёжного кросс-модельного рейтинга. Уровень усилий меняет баллы и время ответа: GPT-5.6 Sol набрал 57 на high и 61 на max. Названия бенчмарков также могут относиться к разным версиям, поэтому Terminal-Bench 3.0 у xAI и Terminal-Bench 2.1 у Artificial Analysis не сопоставимы.

Что изменилось по сравнению с Grok 4.5?

Для пользователей Grok 4.5 вопрос не в том, «лучше» ли 4.6 в абстракции. Важно, компенсирует ли более высокий балл иную задержку и профиль использования токенов. Таблица сводит изменения к одной базе сравнения.

Однако «та же цена» описывает только базовую прайсовую ставку. Ещё одно важное изменение для существующих пользователей Grok 4.5: кэшированный ввод вырос на 67% — с $0,30 до $0,50 за миллион токенов. Эта более высокая ставка кэша увеличивает разрыв между прайс-картой и стоимостью завершённой задачи.

Grok 4.6 против конкурентов

Разобрав сравнение с предшественником, посмотрим, как Grok 4.6 соотносится с другими передовыми моделями от OpenAI и Anthropic.

Grok 4.6 vs GPT-5.6 Sol

Ничья в индексе скрывает явный раскол. Sol обходит Grok на 7,1 пункта в DeepSWE и на 8,6 пункта в Terminal-Bench, что делает терминалозависимое кодирование его сильнейшим кейсом. Grok выше по остальным трём строкам задач.

Собственные тесты OpenAI расширяют этот терминальный результат на веб-браузинг и работу за компьютером. Это остаются доказательства, отобранные вендором, а не контролируемое сравнение, но они указывают в том же направлении: сильнейший кейс Sol — работа, зависящая от терминала, браузера или повторяющихся вызовов инструментов.

Coгласно OpenAI, представлен режим Ultrafast для Sol, который, как заявлено, работает до 14 раз быстрее. Цена не опубликована, поэтому в сравнении стоимости он не учитывается.

Grok 4.6 стартует с $2 за вход и $6 за выход на миллион токенов. Стандартная ставка Sol — $5 за вход и $30 за выход, то есть в пять раз дороже по выходу, чем у Grok. Выше 272 000 токенов Sol удваивает цену за вход и повышает выход до $45.

Это не делает каждую задачу Grok в пять раз дешевле. Использование токенов рассуждений, доля попаданий в кэш и число ходов всё равно меняют итоговый счёт. Преимущество Grok по цене наиболее очевидно, когда расход токенов предсказуем. Для терминалозависимой работы более высокие баллы Sol в бенчмарках могут значить больше, чем разрыв в прайсовых ценах.

Grok 4.6 vs. Claude Sonnet 5

Sonnet 5 и Grok 4.6 оба стартуют с $2 за миллион входных токенов, что упрощает сравнение цен. Sonnet 5 имеет окно контекста в 1 миллион токенов по умолчанию, вдвое больше, чем 500 000 у Grok, без повышенной ставки за длинные подсказки. Выход стоит $10 за миллион против $6 у Grok.

За два дня до запуска Grok 4.6 Anthropic сделала цены $2/$10 постоянными и отказалась от планируемого повышения до $3/$15. Это важно при сравнении со старой ценовой таблицей, в том числе нашей.

По индексу Artificial Analysis Sonnet 5 набирает 55 на максимальных усилиях, на шесть пунктов ниже Grok 4.6. Для тестов он использовал 300 миллионов выходных токенов против 72 миллионов у Grok, что даёт стоимость задачи $1,72. Его токенизатор порождает примерно на 30% больше токенов, чем Sonnet 4.6, для одного и того же текста. Это усложняет сравнение цен между этими двумя версиями Sonnet. И Sonnet 5 — не топовая модель Anthropic.

Grok 4.6 vs Claude Opus 5 и Fable 5

Opus 5 при $5 за вход и $25 за выход возглавляет индекс с 63. Fable 5 при $10 за вход и $50 за выход набирает 62. Балл Fable в индексе тоже нуждается в ремарке. Artificial Analysis зафиксировала защитные откаты на некоторых более сложных подсказках, так что балл отражает модель в том виде, как её могут использовать люди, а не неограниченную версию, которую Anthropic не предлагает.

В бенчмарке AA-Briefcase от Artificial Analysis для длинных агентных задач Grok 4.6 завершал за ~53 хода и использовал 0,5 млрд входных токенов. Opus 5 требовалось ~103 хода и 2 млрд токенов. Это не доказывает, что Grok сильнее в целом. Это показывает, что Grok использовал меньше шагов и входных токенов на этом наборе тестов, тогда как Claude лидировал в других тестах выше.

Цены на Grok 4.6

Порог подсказки в 200 000 токенов — то, за чем я бы следил: он переводит каждый токен в запросе в более высокий тариф. Таблица также включает приоритет и плату за инструменты.

Плата за инструменты взимается отдельно от платы за токены. Запрос, который ищет в Интернете, а затем запускает код, может понести обе инструментальные комиссии до тарификации итогового текста. Отдельного имени модели grok-4.6-fast нет. В прямом API есть опция приоритета, биллинг по 2× при подтверждении приоритета в ответе. В Cursor отображается отдельный вариант «Grok 4.6 (Fast)» по той же ставке 2×.

Grok 4.6 Fast, выбранный в Cursor. Изображение автора.

Как получить доступ к Grok 4.6?

Grok 4.6 доступен напрямую у провайдера через: 

• API SpaceXAI
• Cursor
• Grok Build
• Сторонние шлюзы (OpenRouter, Vercel, Cloudflare, Google Cloud Vertex AI)
• Другие инструменты для кодинга (GitHub Copilot, VS Code, JetBrains, Xcode и Eclipse)

Развёртывание охватывает планы Pro, Pro+, Max, Business и Enterprise. Администраторам Business и Enterprise нужно включить модель, так как по умолчанию она выключена. Grok 4.6 не поддерживается в Batch API SpaceXAI, поэтому льготного пакетного тарифа нет.

Один корпоративный нюанс находится вне рамок доступности модели. Ответы по умолчанию состояние-сохраняющие, и SpaceXAI заявляет, что история хранится 30 дней. В рамках Zero Data Retention команды не могут использовать сохранённые цепочки ответов или отложенные завершения; xAI указывает на зашифрованный повтор рассуждений и WebSocket Responses. Каждый ответ содержит заголовок, показывающий, был ли активен ZDR.

Неделя запуска Grok 4.6: модели, Copilot и Cursor

Что мне запомнилось на той неделе — насколько быстро запуски моделей и партнёрские соглашения по дистрибуции сгруппировались вокруг Grok 4.6.

Неделя запуска Grok 4.6 — не только бенчмарки. Изображение автора.

Grok Bot задал тон перед запуском модели. Ранний бета-агент в облаке предлагался в составе SuperGrok Heavy за $300 в месяц или Cursor Ultra за $200 в месяц, а не продавался отдельно, увязывая доступ с премиальными планами. Grok 4.6 затем перенёс тот же агентный фокус в API, Cursor и Grok Build.

Запуск Gemini 3.7 Flash от Google и превью Ultrafast для GPT-5.6 Sol от OpenAI сделали неделю ещё насыщеннее. Параллельно развёртывание Copilot и присоединение Cursor к SpaceX расширили дистрибуцию Grok. Cursor связал процесс с партнёрством со SpaceXAI ранее в том году и объяснил шаг доступом к GPU SpaceX, а не баллами моделей. В их публикации говорится, что это поможет строить модели по более низкой стоимости.

Мой взгляд на ту неделю: SpaceXAI хочет, чтобы Grok был внутри тех инструментов, которыми люди уже пользуются. Grok 4.5 был совместно обучен с Cursor, а Grok 4.6 почти сразу появился в Copilot. Это делает партнёрскую дистрибуцию частью релиза, а не довеском.

Когда стоит использовать Grok 4.6?

Grok 4.6 подходит для работы, где цена API и длинные агентные задачи важнее задержки первого токена. Он хуже подходит там, где более высокие терминальные баллы Sol или большее окно контекста Sonnet 5 лучше соответствуют задаче.

Grok 4.6 уместен, когда:

• Цена API — ключевое ограничение. Он дешевле Sol, Opus 5 и Fable 5 по прайсу и по стоимости задачи
• Работа идёт как длинные, многошаговые агентные задачи, где окупается эффективность по ходам (меньше ходов и входных токенов, чем у Opus 5 на AA-Briefcase)
• Задача — интеллектуальный труд или юридические рассуждения, где он лидирует в таблице бенчмарков
• Задержка первого токена не критична. Медленный старт теряется на длинном прогоне, но бросается в глаза в интерактивном чате

Могут быть более удачные альтернативы, когда:

• Работа — терминалозависимое кодирование → GPT-5.6 Sol (выше баллы в DeepSWE и Terminal-Bench)
• Задаче нужен большой контекст → Claude Sonnet 5 (контекст 1M, без надбавки за длинные подсказки)
• Нужна минимальная задержка для интерактива → Gemini 3.7 Flash
• Вы покупаете исключительно «верхний предел интеллекта» → Opus 5 (63) или Fable 5 (62) лидируют в индексе

Итоги по Grok 4.6

Grok 4.6 приземляется в неловкой «середине». Он прибавляет пять пунктов индекса и остаётся ниже Sol и Opus 5 по заявленным ценам, но стартует медленнее и стоит дороже за измерённую задачу, чем Grok 4.5. Формула «та же цена, модель лучше» упускает половину релиза.

Чего мне всё ещё не хватает, — это многочасового прогона, где кодовая база, инструменты и инструкции постоянно меняются. Cursor и GitHub Copilot теперь дают такую среду. Если там низкими останутся доли исправлений и сбоев, у заявления про обучение агентов будет подтверждение вне фиксированного теста; если нет — прибавка в пять пунктов останется просто прибавкой.

Для читателей, интегрирующихся с API xAI, наш туториал по Grok 4 API охватывает Python‑клиент и порядок запроса.