Grok 4.6 es el modelo de lenguaje de frontera de xAI, lanzado el 12 de agosto de 2026. Se basa en Grok 4.5 con un enfoque en agentes de larga duración, codificación agéntica y trabajo interactivo o visual. Ofrece una ventana de contexto de 500,000 tokens, con un precio de $2 por millón de tokens de entrada y $6 por millón de salida. En el Índice de Inteligencia de Artificial Analysis obtiene una puntuación de 61, igualando a GPT-5.6 Sol de OpenAI y quedando un punto por debajo de Claude Fable 5 de Anthropic.
En esta guía verás qué cambió respecto a Grok 4.5, cómo interpretar sus benchmarks, dónde usarlo y cómo evaluarlo si construyes integraciones con APIs de LLM. Si trabajas con esa última parte, Apidog ofrece un espacio de trabajo gratuito para diseñar, probar y simular llamadas a APIs de LLM antes de escribir un cliente.
En resumen
- Lanzamiento: 12 de agosto de 2026, por xAI.
- Enfoque: agentes de largo horizonte, codificación multi-paso y trabajo interactivo o visual. xAI indica que el modelo se auto-prueba y verifica su trabajo con mayor frecuencia antes de continuar.
- Especificaciones: ventana de contexto de 500K y fecha límite de conocimiento del 1 de febrero de 2026.
- Precios: $2 / 1M de tokens de entrada y $6 / 1M de salida. La variante rápida cuesta el doble. La primera semana incluye el doble de uso en Grok Build y Cursor.
- Benchmarks: Índice de Inteligencia 61, empatado con GPT-5.6 Sol; mejoras frente a 4.5 en DeepSWE (54 → 65.9) y APEX-Agents (47.1 → 57.5).
- Disponibilidad: API de xAI, Grok Build, Cursor, OpenRouter, Vercel y Cloudflare.
Grok 4.6 de un vistazo
| Especificación | Grok 4.6 |
|---|---|
| Desarrollador | xAI |
| Fecha de lanzamiento | 12 de agosto de 2026 |
| Ventana de contexto | 500,000 tokens |
| Fecha límite de conocimiento | 1 de febrero de 2026 |
| Precio de entrada / salida | $2 / $6 por 1M de tokens |
| Variante rápida | 2x el precio |
| Índice de Inteligencia | 61 (GPT-5.6 Sol: 61, Claude Fable 5: 62) |
| Disponibilidad | API de xAI, Cursor, Grok Build, OpenRouter, Vercel, Cloudflare |
Qué hay de nuevo frente a Grok 4.5
Grok 4.6 no representa una revelación arquitectónica: el cambio principal está en el entrenamiento. Según xAI, el modelo pasó por una fase de entrenamiento suplementario más larga que Grok 4.5, basada en tres componentes:
- Datos curados y generados por modelos, orientados al razonamiento y a conceptos técnicos avanzados.
- Conjuntos de datos de ingeniería de alta calidad, continuando el enfoque intensivo en codificación iniciado con sesiones reales de desarrollo.
- Un optimizador y una receta de entrenamiento mejorados, con trayectorias de ajuste fino supervisado regeneradas para razonamiento y dominios específicos.
El cambio más visible para desarrolladores es la auto-verificación. Durante ejecuciones agénticas largas, Grok 4.6 puede comprobar su trabajo antes de continuar: ejecutar la prueba que acaba de escribir, releer el archivo que editó o validar una suposición antes de encadenar el siguiente paso.
xAI también informa de mejores resultados iniciales en proyectos interactivos y visuales, como paneles, aplicaciones pequeñas y tareas de interfaz de usuario.
Si te interesa el enfoque de entrenamiento de la versión anterior, consulta nuestro análisis sobre lo que significó el entrenamiento con sesiones de Cursor para los desarrolladores.
Benchmarks: qué números importan
Los benchmarks de lanzamiento reportados por proveedores requieren cautela, pero las mejoras entre Grok 4.5 y 4.6 son suficientemente grandes como para justificar una evaluación práctica.
Estas son las tres conclusiones principales:
- La brecha en agentes se redujo. El aumento de 10.4 puntos en APEX-Agents deja a Grok 4.6 a 1.7 puntos de Fable 5 Max y ligeramente por delante de GPT-5.6 Sol Max (56.7%).
- La codificación a escala de repositorio mejoró más. El incremento de casi 12 puntos en DeepSWE indica una mejora importante en cambios que abarcan varios archivos, aunque Sol Max sigue liderando ese benchmark.
- Las mediciones independientes apoyan la narrativa de coste. Artificial Analysis registró un coste promedio de $0.84 por tarea en evaluaciones agénticas, el más bajo entre modelos de frontera, y un Elo de 1753 en GDPval-AA v2 para trabajo de conocimiento profesional.
Para interpretar los resultados de xAI con más contexto, consulta nuestro análisis de benchmarks de Grok 4.5.
Precios: una propuesta de valor en la frontera
Grok 4.6 mantiene el precio de Grok 4.5:
- Entrada: $2 por 1M de tokens.
- Salida: $6 por 1M de tokens.
Comparado con otros modelos de frontera:
| Modelo | Precio de salida / 1M de tokens |
|---|---|
| Grok 4.6 | $6 |
| Claude Opus 4.8 | $25 |
| GPT-5.6 Sol | $30 |
Esto supone una diferencia de 5x en tokens de salida frente a GPT-5.6 Sol para un modelo que lo iguala en el índice compuesto de inteligencia.
Sin embargo, tokens baratos no implican automáticamente tareas más baratas. Si un modelo requiere más revisiones, reintentos o reparaciones, el coste total puede crecer. Por eso debes medir el coste por tarea sobre tus propios flujos, no solo el precio por token.
La variante rápida cuesta el doble, $4/$12 por 1M de tokens, y está orientada a casos interactivos sensibles a la latencia. Hasta el 19 de agosto, Grok Build y Cursor incluyen el doble de uso para probar el modelo.
Dónde puedes usar Grok 4.6 hoy
Puedes evaluar Grok 4.6 desde estas plataformas:
- API de xAI, a través de console.x.ai, con compatibilidad con OpenAI. La guía de la API de Grok 4.5 se aplica directamente; solo debes cambiar el nombre del modelo.
- Cursor, como opción de modelo dentro del IDE.
- Grok Build, el espacio de trabajo agéntico de xAI, con el bono de uso doble durante la semana de lanzamiento.
-
OpenRouter, Vercel y Cloudflare, para equipos que enrutan varios modelos mediante una única puerta de enlace. En OpenRouter aparece como
x-ai/grok-4.6.
No hay un lanzamiento de consumo separado que debas distinguir: esta versión está orientada principalmente a desarrolladores. La forma más rápida de evaluarla es mediante la API o desde un IDE que ya la integre.
Cómo probar Grok 4.6 con una API compatible con OpenAI
La compatibilidad con OpenAI permite reutilizar gran parte de un cliente existente. Cambia el endpoint a:
https://api.x.ai/v1
Después, ejecuta las mismas pruebas que ya usas con otros proveedores:
- Envía una tarea representativa de producción.
- Registra latencia, tokens de entrada y salida, errores y reintentos.
- Evalúa la calidad de la respuesta con criterios verificables.
- Repite la prueba con GPT, Claude y Grok usando el mismo prompt y las mismas herramientas.
- Compara coste por tarea completada, no solo coste por token.
Para cargas de trabajo agénticas, incluye pruebas que cubran:
- Edición de múltiples archivos.
- Ejecución y reparación de pruebas.
- Llamadas a herramientas o funciones.
- Manejo de errores de herramientas.
- Tareas largas con estado acumulado.
Limitaciones y preguntas abiertas
Una evaluación de la semana de lanzamiento debe incluir las advertencias junto a los resultados principales:
- La mayoría de benchmarks son reportados por el proveedor. Artificial Analysis publicó puntuaciones independientes que concuerdan en términos generales, pero los resultados específicos de codificación, como DeepSWE, FrontierCode y CursorBench, proceden de la tabla de lanzamiento de xAI.
- La ventana de contexto es menor que otras opciones de frontera. Los 500K tokens cubren muchas cargas de trabajo reales, pero GPT-5.6 Sol ofrece 1.05M y Claude Fable 5 ofrece 1M. La diferencia importa si procesas monorepos completos o conjuntos documentales muy grandes en una llamada.
- Sol sigue liderando en codificación autónoma de repositorios grandes. La diferencia de 7 puntos en DeepSWE sugiere que GPT-5.6 Sol Max sigue siendo más fuerte para trabajo completamente autónomo sobre bases de código existentes.
- El ecosistema de xAI es más joven. El procesamiento por lotes, los niveles de caché de prompts y los controles de uso todavía tienen menos madurez que sus equivalentes en OpenAI y Anthropic. La compatibilidad con OpenAI cubre gran parte de los casos, pero no todos.
Estas limitaciones no descartan a Grok 4.6. Definen mejor su posición: una opción competitiva de precio-rendimiento que debes evaluar con tus tareas reales.
Qué significa para los desarrolladores de API
La conclusión estratégica es clara: la frontera tiene ahora un competidor de precio real. Hasta este lanzamiento, igualar resultados de nivel GPT-5.6 Sol implicaba pagar entre $25 y $30 por millón de tokens de salida. Grok 4.6 anuncia ese precio en $6.
La diferencia es especialmente relevante en bucles agénticos. Un agente que realiza 40 llamadas por tarea percibe de inmediato una diferencia de 5x en el coste de salida.
En la práctica, la API compatible con OpenAI permite evaluarlo en una tarde:
- Apunta tu cliente existente a
https://api.x.ai/v1. - Ejecuta una carga de trabajo real.
- Mide calidad, latencia, uso de tokens, errores y coste por tarea.
- Compara los resultados con tus modelos actuales.
Puedes configurar esta comparación en Apidog para mantener solicitudes de GPT-5.6, Claude y Grok 4.6 en un único proyecto. Usa entornos por proveedor y añade aserciones para validar calidad de salida, uso de tokens y latencia antes de mover una carga de trabajo a producción.
El enfoque de Grok 4.6 en agentes también hace más importante validar las llamadas a herramientas. Si tu integración usa function calling, prueba las cargas útiles estructuradas que genera el modelo, no solo el texto de la respuesta.
Preguntas frecuentes
¿Qué es Grok 4.6 en una frase?
Es el modelo de frontera de xAI de agosto de 2026, optimizado para agentes de larga duración y codificación, con una ventana de contexto de 500K y benchmarks de nivel de frontera a aproximadamente una quinta parte del precio de salida de algunos competidores.
¿Es Grok 4.6 mejor que GPT-5.6?
Empatan en el Índice de Inteligencia de Artificial Analysis con 61 puntos. GPT-5.6 Sol Max lidera en codificación a escala de repositorio mediante DeepSWE; Grok 4.6 supera ligeramente en APEX-Agents y cuesta aproximadamente 5 veces menos por token de salida.
¿Cuál es la diferencia entre Grok 4.5 y Grok 4.6?
Mantienen el mismo precio y la misma API, pero Grok 4.6 obtiene mejoras de +11.9 puntos en DeepSWE y +10.4 en APEX-Agents, además de una mayor tendencia a auto-verificarse durante tareas largas.
¿Puedo probar Grok 4.6 gratis?
Grok Build y Cursor incluyen el doble de uso durante la semana de lanzamiento. Los métodos de nuestra guía para usar Grok 4.5 gratis se aplican en gran medida a Grok 4.6.
Top comments (0)