Grok 4.6 monte en puissance sans changer de base

xAI a mis en ligne Grok 4.6, une version qui ne change pas la base du modèle mais pousse plus loin son post-entraînement. L’annonce compte pour les équipes qui cherchent un modèle d’agent capable de tenir une tâche longue, avec 500 000 tokens de contexte, un nouveau niveau de raisonnement xhigh et une disponibilité immédiate via l’API, Cursor et Grok Build. Le message est clair : la bataille ne se joue plus seulement sur la taille du modèle, mais sur ce qu’on lui apprend à faire après coup.

Un modèle retravaillé, pas simplement agrandi

Grok 4.6 reprend la fondation de Grok 4.5 et s’appuie sur un entraînement supplémentaire plus long, selon les notes de lancement. xAI dit avoir utilisé des trajectoires de fine-tuning supervisé régénérées, puis du renforcement en environnements agentiques, c’est-à-dire des scénarios où le modèle enchaîne plusieurs actions sans perdre le fil. La recette vise des usages concrets : refontes de dépôts de code, migration d’agents, synthèse de recherches sur de gros corpus, génération de premières briques applicatives ou optimisation de kernels GPU.

Le modèle accepte du texte et de l’image en entrée, mais ne renvoie que du texte. xAI ne publie pas de taille en paramètres, et précise un cutoff de connaissances fixé au 1er février 2026. Côté raisonnement, l’interface passe à quatre niveaux : low, medium, high par défaut, et xhigh au-dessus. Un petit cran de plus, mais qui peut compter quand le modèle doit vérifier son propre travail au lieu de foncer tête baissée.

Des gains visibles, mais pas partout

Sur le classement Artificial Analysis Intelligence Index, Grok 4.6 atteint 61 points, contre 56 pour Grok 4.5, et rejoint GPT-5.6 Sol Max. xAI met aussi en avant des progrès sur GDPval-AA v2, à 1753 Elo contre 1526, et sur AA-Briefcase, à 1577 contre 1313. Ces écarts restent toutefois à lire avec prudence : Artificial Analysis les place dans des intervalles de confiance qui les ramènent à des égalités statistiques [à vérifier].

Le tableau est moins flatteur sur les tâches de code qui intéressent directement les équipes d’ingénierie. DeepSWE v1.1 grimpe à 65,9 %, soit 11,9 points de mieux que Grok 4.5, mais reste derrière GPT-5.6 Sol Max à 73 %. Terminal-Bench v3.0 atteint 26 %, presque le double de Grok 4.5, sans sortir du bas du classement comparé. CursorBench v3.2, FrontierCode v1.1 Extended et APEX-Agents se situent respectivement à 69,9 %, 61,3 % et 57,5 %. Dans ce contexte, les progrès sont réels, mais la hiérarchie sur le code n’est pas renversée.

Qui peut l’utiliser, et à quel prix ?

Grok 4.6 est disponible dès maintenant via l’API xAI sous le nom grok-4.6, dans Cursor sur tous les plans, dans Grok Build par défaut, et via OpenRouter, Vercel et Cloudflare. En revanche, il n’existe ni version open weights ni option d’auto-hébergement, ce qui exclut les déploiements isolés ou air-gapped. Pour les entreprises régulées, un pilote reste la voie la plus raisonnable, d’autant que la marque xAI peut encore peser dans certains comités d’achat.

La tarification annoncée est de 2 dollars, 0,50 dollar et 6 dollars par million de tokens, respectivement pour l’entrée, l’entrée cachée et la sortie, sous 200 000 tokens de prompt ; au-delà, la facture passe à 4 dollars, 1 dollar et 12 dollars par million de tokens. Une variante plus rapide est évoquée au double du prix, sans identifiant de modèle distinct. Cursor et Grok Build offrent 2 fois l’usage inclus pendant la première semaine. Pour garder une cache fiable, xAI recommande un prompt_cache_key ou l’en-tête x-grok-conv-id sur Chat Completions.

Un pari sur les agents, plus que sur le benchmark

Le positionnement de Grok 4.6 vise d’abord les équipes qui font tourner des flux de travail séquentiels : développeurs, ingénieurs systèmes, recherche financière, analyse juridique ou CAO. xAI parle d’une meilleure capacité à se tester elle-même sur de longues trajectoires, mais ce constat vient de ses propres tests internes. Autrement dit, le modèle veut prouver qu’il sait continuer à travailler sans dériver. Et, sur ce terrain, les vendeurs de benchmarks ont rarement le dernier mot.

Pour les organisations qui cherchent un modèle d’agent déjà intégré aux outils du quotidien, l’intérêt est immédiat. Pour celles qui veulent contrôler leur infrastructure de bout en bout, la fermeture du modèle limite nettement les options. Grok 4.6 s’inscrit donc moins comme une rupture que comme un test de maturité : à quoi sert un modèle plus fort, si on ne peut pas le déployer comme on veut ?