Grok 4.6 — флагманская языковая модель xAI, вышедшая 12 августа 2026 года. За пять недель до неё компания выпустила Grok 4.5, и новая версия стала не сменой архитектуры, а точечным апгрейдом: тот же фундамент на 1,5 триллиона параметров, но кардинально улучшенное пост-обучение — supervised fine-tuning и reinforcement learning сразу по нескольким доменам. Результат: +5 баллов в индексе интеллекта Artificial Analysis и заметный рывок в агентных задачах, где модель работает десятки шагов без участия человека.
Что нового в Grok 4.6
Главная идея релиза — long-running agents: продолжительные сценарии, где модель сама исследует тему, анализирует документы, пишет и проверяет код, собирает приложение и исправляет ошибки по замечаниям. Разработчики усилили самопроверку: Grok 4.6 чаще контролирует собственную работу перед переходом к следующему шагу. На практике это заметно при создании интерфейсов и интерактивных веб-приложений — модель сразу выдаёт рабочую первую версию, а не набор фрагментов кода.
Для дообучения xAI использовала инженерные данные: задачи по STEM, программированию, веб-разработке, проектированию и оптимизации вычислительных ядер. Часть тренировочных траекторий сгенерировала Grok 4.5, а результаты отфильтровали с помощью других моделей. Такой подход дешевле полной реархитектуры и быстрее выводит модель на рынок — темп релизов xAI сейчас один из самых высоких в индустрии.
Технические характеристики
| Параметр | Значение |
|---|---|
| Разработчик | xAI |
| Контекстное окно | 500 000 токенов |
| Модальности | текст и изображения на вход, текст на выход |
| Уровни рассуждения | low, medium, high (по умолчанию), xhigh |
| Инструменты | function calling, структурированные выводы, исполнение кода, поиск в интернете и по X |
| Дата отсечения знаний | 1 февраля 2026 года |
Контекст в 500 000 токенов — это примерно 350 страниц PDF, исходники среднего Python-проекта или годовой отчёт компании с приложениями. Модель удерживает связность на всей длине, но для практических задач важно помнить о ценовом пороге в 200 000 токенов, о котором расскажем ниже. Генерацией изображений и видео Grok 4.6 не занимается — за это отвечает отдельное семейство Grok Imagine.
Отдельного внимания заслуживает режим xhigh — четвёртый, самый глубокий уровень рассуждений. Модель думает дольше, тратит больше токенов на цепочку размышлений (chain-of-thought), но справляется с задачами, на которых обычный high пасует: олимпиадной математикой, длинными доказательствами и многоходовыми агентскими сценариями с ветвлениями. Любопытно, что по независимым замерам лучший результат Grok 4.6 показывает именно в high, а не в xhigh — гнаться за максимальной глубиной стоит не всегда.
Тесты производительности: что показали бенчмарки
Оценки Grok 4.6 собирают по независимым бенчмаркам и вендорским таблицам. Ключевые результаты:
| Бенчмарк | Grok 4.6 | Grok 4.5 | GPT-5.6 Sol | Claude Opus 5 |
|---|---|---|---|---|
| AA Intelligence Index | 61 | 56 | 61 | 63 |
| GDPVal-AA v2 (Elo) | 1753 | 1526 | 1728 | лидер |
| CursorBench v3.2 | 69,9% | 66,7% | 67,2% | — |
| DeepSWE v1.1 | 65,9% | 54,0% | 73,0% | 70,0% |
| Terminal-Bench v3.0 | 26,0% | 15,7% | 34,6% | 34,1% |
| APEX-Agents | 57,5% | 47,1% | 56,7% | 59,2% |
Картина неоднородная. Grok 4.6 обходит GPT-5.6 Sol в знаниевых и агентских тестах — GDPval-AA, AA-Briefcase и Harvey legal eval — но проигрывает в чистом инженерном кодинге: DeepSWE (65,9% против 73%) и Terminal-Bench v3.0 (26% против 34,6%). На CursorBench модель обгоняет и GPT-5.6, и предыдущую версию — это делает её рабочим вариантом для итеративного code completion и рефакторинга.
Индекс Intelligence Index — усреднение по девяти независимым тестам, покрывающим логику, кодинг, работу с инструментами и знания. Средние значения сглаживают детали: по собственному релизу xAI Grok 4.6 побеждает ровно в четырёх строках из десяти, одну сводит вничью и пять проигрывает. Но против Grok 4.5 новая модель выигрывает все десять строк, и часто с большим отрывом, — значит, поколенческий прогресс реален, а не выхвачен точечными победами.
Честность ответов и уровень галлюцинаций
Самый важный результат xAI не показала в релизной таблице. В тесте AA-Omniscience Grok 4.6 набрала 48,2% точности при доле ответов без фактических ошибок (non-hallucination rate) в 65,7%. Для сравнения: в режиме medium этот показатель выше — 76% при меньшей точности. Для клиентских приложений, где фактическая достоверность критичнее кодинг-баллов, цифру стоит учитывать при выборе режима reasoning. Примечательно, что частота галлюцинаций у новой версии выше, чем у Grok 4.5, — за глубину анализа модель платит большей уверенностью в собственных выводах.
Эффективность на длинных задачах
Независимая площадка Artificial Analysis замерила не только качество, но и экономику. Типовая длинная агентская задача обходится Grok 4.6 в среднем в $0,84: модель закрывает задание примерно за 53 хода и использует около полумиллиарда входных токенов. Claude Opus 5 на ту же работу тратит 103 хода и два миллиарда токенов. Меньше ходов — меньше итоговый счёт даже при неизменном тарифе. Оборотная сторона: Grok 4.6 расходует на 20% больше выходных токенов, чем Grok 4.5, а время до первого токена выросло с 14,6 до 40,4 секунды — глубина рассуждений стоит скорости.
Сравнение с конкурентами
GPT-5.6 Sol
Баллы совпали — 61 у обоих, но профили разные. GPT-5.6 Sol сильнее в автономной разработке ПО и поддерживает контекст до миллиона токенов, зато Grok 4.6 дешевле в разы: $2/$6 против $5/$30 за миллион токенов. По расчётам Artificial Analysis, при равном интеллекте Grok обходится примерно на 60% дешевле. Sol в max расходует на набор Intelligence Index около 70 миллионов выходных токенов — экономичность на уровне законченной задачи нередко важнее цены отдельного токена.
Claude Opus 5
Лидер индекса с 63 баллами остаётся впереди, особенно в длинных агентских сценариях. Но Claude дороже в пересчёте на завершённую задачу: $2,34 против $0,84 за задание в тестах AA. Grok 4.6 выигрывает по соотношению «цена — качество» и по скорости исполнения агентских цепочек. В рейтинге GDPVal-AA v2, измеряющем именно многошаговую реальную работу, отрыв от лидера минимален — Elo 1753 против позиции первой двойки.
Gemini 3.8 Flash и другие
Gemini 3.8 Flash держит высокий уровень при временно сниженном тарифе и быстрее генерирует токены — свыше 300 токенов в секунду. Выбор между ними — вопрос приоритетов: скорость и мультимедийность против экономии на длинных контекстах. Близко к верхней группе подтянулись и китайские флагманы — GLM-5.3 и DeepSeek V4 Pro, — так что конкуренция в сегменте фронтира остаётся плотной.
Цены и экономика API
| Тариф | До 200K токенов в промпте | Свыше 200K |
|---|---|---|
| Входящие токены | $2 за 1 млн | $4 за 1 млн |
| Кэшированный ввод | $0,50 за 1 млн | $1 за 1 млн |
| Исходящие токены | $6 за 1 млн | $12 за 1 млн |
Приоритетная обработка — удвоенный тариф. Критичный момент: контекстное окно составляет 500 000 токенов, но промпты длиннее 200 000 переходят на дорогой уровень — итоговая стоимость удваивается. При работе с крупными документами следите за границей: полное использование контекста заметно увеличит счёт. Кэшированный ввод, кстати, тоже подорожал — с $0,30 до $0,50 за миллион, то есть на 67%. Для масштабируемых сервисов Grok 4.6 — классический кейс «90% качества за половину бюджета»: базовая цена не изменилась со времён Grok 4.5, хотя индекс интеллекта вырос на пять пунктов.
Сильные и слабые стороны
Плюсы
- Балл фронтира при цене середняка — модель доступна в Grok Build, боте Grok, API и на всех тарифах Cursor.
- Уверенная работа с большими корпусами документов и продолжительная агентская работа с инструментами.
- Четыре уровня reasoning — от экономного low до xhigh для олимпиадной математики, длинных доказательств и многоходовых сценариев с ветвлениями.
- Структурированные выводы и function calling — удобная интеграция в пайплайны и JSON-конвейеры.
- Доступ к данным X в реальном времени — преимущество для трендовых исследований и SMM-аналитики.
Минусы
- Проигрыш в чистом софтверном тестировании — DeepSWE и Terminal-Bench остаются за GPT-5.6 Sol.
- Рост времени до первого токена и повышенный расход выходных токенов.
- Двойной тариф на длинных промптах — потенциальная ловушка для документоёмких задач.
- Нет генерации изображений и видео внутри самой модели.
- В production-окружении всё равно нужны ретраи, таймауты и резервная модель: надёжность маршрутов различается.
Кому подойдёт Grok 4.6
- Разработчикам с задачами на десятки шагов: аудит кодовой базы, поиск причин ошибок, изменение нескольких файлов и проверка последствий.
- Аналитикам и исследователям, работающим с отчётами, стенограммами и нормативными документами: модель хорошо ведёт себя в извлечении данных, сравнении источников и построении таблиц решений.
- Командам, которые строят агентов: multi-tool orchestration, data-пайплайны, автоматизация research.
- Бизнесу, для которого стоимость токенов в масштабе важнее нескольких баллов в рейтингах.
- Юристам и комплаенсу — Harvey legal eval Grok 4.6 проходит лучше всех публично замеренных конкурентов.
FAQ: частые вопросы о Grok 4.6
Grok 4.6 лучше ChatGPT?
По совокупному индексу Artificial Analysis модели сопоставимы: 61 балл у Grok 4.6 против 61 у GPT-5.6 Sol в режиме max. Выбор зависит от задач: Sol выигрывает в автономном программировании, Grok — в знаниевой работе и по цене.
Какой контекст у модели?
500 000 токенов на вход, но промпты длиннее 200 000 тарифицируются по удвоенной ставке.
Сколько стоит подписка?
Доступ в боте начинается с тарифа SuperGrok стоимостью $30 в месяц; API оплачивается по токенам.
Можно ли пользоваться в России?
Официальные сервисы Grok требуют зарубежного IP-адреса; альтернативы — переговорные площадки-агрегаторы с оплатой в рублях.
Как настроить глубину рассуждений?
В API доступны четыре уровня: low для рутинного извлечения и переформулировки, medium для баланса, high по умолчанию и xhigh для самых сложных задач. Переключение — через параметр reasoning effort в запросе.
Вывод
Grok 4.6 — реальный, а не маркетинговый шаг вперёд: прирост во всех десяти бенчмарках относительно Grok 4.5, второе место в агентском рейтинге GDPVal-AA v2 и лучшая экономика на длинных задачах среди флагманов. Модель объявляли как релиз для программирования, но замеры описывают скорее знаниево-аналитический инструмент с достойным кодингом. Если нужен баланс интеллекта, агентности и цены — Grok 4.6 сейчас один из самых рациональных выборов на рынке фронтальных LLM. Сравнить её с другими решениями, изучить тарифы и подобрать модель под конкретные задачи помогут подробные обзоры нейросетей на информационном портале о возможностях искусственного интеллекта.
