Grok 4.6 égale GPT-5.6 Sol sur l’intelligence pour 60 % moins cher et moitié moins de tours
Le 12 août 2026, SpaceXAI publie Grok 4.6, qui score 61 à l’indice d’intelligence d’Artificial Analysis — à égalité avec GPT-5.6 Sol — pour 2 $/6 $ le million de tokens, et résout les tâches agentiques longues en moitié moins de tours que Claude Opus 5. Pour qui construit des agents, la variable décisive n’est plus le benchmark, mais le coût et le nombre de tokens brûlés par tâche.
12 août 2026. SpaceXAI — ex-xAI — publie Grok 4.6, un modèle frontalier orienté agents long-courriers et travail visuel et interactif. Le résultat qui compte : il score 61 à l’Indice d’intelligence d’Artificial Analysis, à égalité avec GPT-5.6 Sol, et derrière Claude Opus 5 (63) et Claude Fable 5 (62). Sauf que le prix est ailleurs — 2 $ par million de tokens en entrée et 6 $ en sortie, soit 60 % de moins que Claude Opus 5 (5 $/25 $) et GPT-5.6 Sol (5 $/30 $). La bataille du front vient de changer de terrain : elle se joue désormais au coût par tâche.
Le détail que peu de monde retient en premier : Grok 4.6 ne gagne pas sur le score brut. Il gagne sur l’économie. À intelligence quasi égale, il coûte une fraction du prix et termine les tâches agentiques longues en moitié moins de tours. Pour une équipe qui industrialise des agents, c’est exactement la métrique qui décide de la facture de fin de mois.
Un retour au front
Le saut est réel. Grok 4.6 gagne 5 points sur Grok 4.5 à l’indice d’intelligence, un mois après sa sortie, et +23 points par rapport à Grok 4.3. Artificial Analysis résume la trajectoire : SpaceXAI revient au peloton de tête, aux côtés d’OpenAI, derrière Anthropic seulement.
Les chiffres bruts, sur les benchmarks agentiques et de code :
- AA Intelligence Index : 61, à égalité avec GPT-5.6 Sol Max (61), derrière Claude Opus 5 (63) et Claude Fable 5 (62) ;
- GDPval-AA v2 : 1 753 en Elo, derrière Claude Opus 5 seulement ;
- CursorBench v3.2 : 69,9 %, devant GPT-5.6 Sol (67,2 %) ;
- DeepSWE v1.1 : 65,9 % ; FrontierCode v1.1 : 61,3 % ; APEX-Agents : 57,5 %.
La nuance importante : les meilleurs scores de Grok 4.6 sont sur le travail agentique, pas sur le raisonnement statique. C’est un modèle pensé pour soutenir un enchaînement de tâches, pas pour briller sur une question unique.
Le prix est le message
Le point décisif n’est pas technique, il est commercial. Grok 4.6 maintient le tarif de Grok 4.5 — 2 $/6 $ par million de tokens — là où la génération précédente du front augmentait ses prix à chaque gain d’intelligence. La comparaison qui compte pour un acheteur : Claude Opus 5 à 5 $/25 $ et GPT-5.6 Sol à 5 $/30 $. Sur le token de sortie, qui domine la facture des charges à raisonnement lourd, Grok 4.6 est quatre à cinq fois moins cher.
Artificial Analysis chiffre le coût par tâche mesuré à 0,84 $ — le même que Kimi K3, mais pour une intelligence supérieure. Résultat : le modèle se place sur la frontière de Pareto intelligence/coût de la quasi-totalité des évaluations agentiques de l’indice. On peut dire les choses simplement : personne, à cette hauteur d’intelligence, ne vend moins cher le token.
Deux réserves quand même. Le cache passe de 0,3 $ à 0,5 $ par million de tokens (une hausse, mais qui reste très en dessous des concurrents). Et le variant rapide est facturé deux fois le prix du modèle standard — une mécanique de tarification par latence qui devient la norme au front.
Le raisonnement économique sous-jacent mérite d’être explicité. Un agent qui traite une tâche complexe génère des dizaines de milliers de tokens de sortie par itération, et relit son propre contexte à chaque tour. La facture d’un déploiement agentique est donc dominée par deux postes : le token de sortie (où Grok 4.6 est quatre à cinq fois moins cher que ses équivalents) et le volume de tokens d’entrée relus (où son efficacité en tours fait effet de levier). C’est pour cela que 0,84 $ par tâche est un chiffre plus parlant que n’importe quel score de benchmark : il agrège le prix, l’efficacité en tours et la qualité de la réponse en une seule métrique.
L’efficacité en tours, pas en tokens
La donnée la plus instructive n’est pas le prix par token, c’est l’efficacité en tours. Sur AA-Briefcase, le benchmark privé d’Artificial Analysis sur des tâches de connaissance agentique de longue haleine, Grok 4.6 atteint un Elo de 1 577 — niveau Fable 5 — mais résout les tâches en ~53 tours et ~0,5 milliard de tokens d’entrée en moyenne, contre ~103 tours et ~2,0 milliards de tokens pour Claude Opus 5 (max).
La conséquence est directe. Le travail agentique long accumule le contexte à grande vitesse : un modèle qui atteint une réponse comparable en moitié moins de tours et un quart des tokens d’entrée a un avantage de coût bien supérieur à ce que son prix par token laisse deviner. C’est la vraie nouvelle de cette sortie — et c’est ce que les benchmarks de score unique ne montrent pas.
SpaceXAI relève aussi un changement de comportement : sur les trajectoires longues, le modèle se vérifie lui-même avant de continuer — self-testing et validation du travail produit avant de passer à l’étape suivante. C’est le genre de comportement qui fait la différence entre un agent qui dérive silencieusement et un agent qui termine.
Ce qui a changé sous le capot
La recette suit la tendance du moment, avec une étape supplémentaire. Grok 4.6 a subi une phase d’entraînement supplémentaire plus longue que Grok 4.5, avec des données générées par modèle et curées pour le raisonnement et les concepts techniques avancés, un optimiseur amélioré et une meilleure recette d’entraînement. SpaceXAI a ensuite utilisé Grok 4.5 pour régénérer les trajectoires SFT à travers les niveaux de raisonnement, les harnais d’agent et les domaines (STEM, génie logiciel, travail de connaissance), en filtrant les traces problématiques par des vérifications basées sur modèle.
L’entraînement RL agentique couvre un large spectre : travail de connaissance, code général, et des environnements spécialisés — optimisation de noyau, développement web, conception assistée par ordinateur. Le positionnement de sécurité est assumé : Grok 4.6 est calibré pour être utile dans le patch de vulnérabilités, l’accélération du cycle de conception et l’augmentation de la recherche en IA, avec la suite de tests pré-déploiement la plus large jamais menée par l’entreprise.
Le modèle est disponible aujourd’hui dans Cursor, Grok Build, l’API, et chez les partenaires (OpenRouter, Vercel, Cloudflare), avec un usage inclus doublé la première semaine dans Grok Build et Cursor. La fenêtre de contexte reste à 500 000 tokens.
Verdict
La sortie de Grok 4.6 confirme un basculement : sur le front, le benchmark de score est devenu un ticket d’entrée, pas un argument de vente. Ce qui départage désormais les modèles, c’est l’économie de l’agent — combien de tours, combien de tokens, combien de dollars pour finir une tâche réelle.
La recommandation est conditionnelle et chiffrée : si vous construisez des agents long-courriers ou du code, et que votre facture est dominée par les tokens de sortie, Grok 4.6 est le meilleur rapport intelligence/prix du moment — devant GPT-5.6 Sol et loin devant Claude Opus 5 sur le coût par tâche. Si vous cherchez le score brut maximal sur du raisonnement statique, Claude Opus 5 (63) garde l’avantage, et Claude Fable 5 reste devant sur l’agentique pure. Mais pour la majorité des usages industrialisés — où l’on relance des agents des centaines de fois par jour — la variable qui décide de la rentabilité n’est plus l’intelligence de pointe : c’est le nombre de tours et de tokens que l’agent brûle avant de rendre un résultat correct.
Références
- SpaceXAI — Introducing Grok 4.6, 12 août 2026
- Artificial Analysis — Grok 4.6 returns SpaceXAI to the intelligence frontier and leads on cost efficiency, 12 août 2026
- VentureBeat — SpaceXAI debuts Grok 4.6, overtaking Kimi K3 and matching GPT-5.6 Sol, 12 août 2026
- Unite.AI — SpaceXAI Launches Grok 4.6 for Long-Running Agents, 12 août 2026