
SpaceXAI (el nuevo nombre de xAI) acaba de lanzar Grok 4.6, y el modelo no viene a hacer ruido por hacer ruido: viene a posicionarse directo en la mesa de los grandes, con números que respaldan.
Los números del Intelligence Index
En el Artificial Analysis Intelligence Index (el benchmark compuesto de referencia hoy), Grok 4.6 logró 61 puntos, lo que lo pone:
- Empatado con GPT-5.6 Sol Max de OpenAI
- A solo 1 punto de Claude Fable 5 Max de Anthropic (62)
- A 2 puntos de Claude Opus 5 (63), el líder absoluto
- Por encima de Kimi K3 de Moonshot AI
Para contexto, Grok 4.5 High tenía 56 puntos. O sea, +5 puntos en un mes. Y comparado con Grok 4.3, son +23 puntos. El salto generacional es real.
Donde brilla de verdad: agentes
Lo más interesante no es el score general, sino el rendimiento en tareas agentic:
- GDPval-AA v2: Elo de 1753, segundo solo a Claude Opus 5
- τ³-Banking (service multi-turn con tools): 50.7%, top 2 junto a Qwen3.8 Max
- Terminal-Bench v2.1: 88.4%, al nivel de los líderes
- AA-Briefcase (tareas largas de knowledge work): Elo 1577, tier Fable 5
Y acá viene el detalle brutal: Grok 4.6 completa tareas en ~53 turns y ~0.5B tokens de input. Claude Opus 5 necesita ~103 turns y ~2.0B tokens para el mismo trabajo. La mitad de los pasos, un cuarto de los tokens.
El precio es la clinica
Grok 4.6 mantiene el pricing de la generación anterior:
| Modelo | Input ($/1M) | Output ($/1M) |
|---|---|---|
| Grok 4.6 | $2 | $6 |
| Claude Opus 5 | $5 | $25 |
| GPT-5.6 Sol | $5 | $30 |
O sea, same score que GPT-5.6 Sol, pero a menos de la quinta parte del costo de output. El cost per task medido por Artificial Analysis es de $0.84, lo que lo pone en la frontera Pareto de costo vs. inteligencia.
Mantener el precio plano entre generaciones es inusual en la frontera. Normalmente, más inteligencia = más caro. Acá no.
Context window y detalles
- 500K tokens de contexto (igual que Grok 4.5)
- Cache hits a $0.50/1M (subió desde $0.30 en Grok 4.5)
- Enfocado en long-running agents, coding y knowledge work
La lectura de fondo
El mensaje de SpaceXAI es claro: no están peleando por ser #1 en un benchmark estático. Están diciendo “te damos inteligencia de frontera, optimizada para agentes que trabajan solos por horas, a un precio que te permite realmente correrlos en producción”.
Y eso, para equipos que están desplegando agentes en serio (donde el costo de tokens se multiplica por miles de runs), es probablemente más importante que 1 o 2 puntos más en un benchmark.
Fuentes: Artificial Analysis, VentureBeat, Unite.AI


