Grok 4.6: benchmark, prezzi e i 50 secondi di latenza

Il 12 agosto 2026 SpaceXAI, la divisione di intelligenza artificiale nata dall’assorbimento di xAI dentro SpaceX, ed è per questo che documentazione e URL ufficiali portano ancora il dominio x.ai, ha rilasciato Grok 4.6, il suo modello di punta per coding e lavoro agentico. La notizia è circolata soprattutto per due affermazioni: che sarebbe il terzo modello più intelligente al mondo e che costerebbe una frazione dei concorrenti. La prima era vera per pochi giorni. La seconda è vera, ma non nella misura in cui è stata raccontata. Qui trovate i numeri come stanno oggi, 17 agosto 2026, presi dalle schede ufficiali e dalle misure indipendenti di Artificial Analysis, compreso il dato che quasi nessuno ha messo in prima pagina: la latenza.

In questo articolo scoprirai:

• Cosa cambia rispetto a Grok 4.5, in numeri
• Terzo posto al mondo: dipende dal giorno in cui leggete
• Quanto costa Grok 4.6 e perché "la metà di GPT-5.6" è sbagliato
• Cinquanta secondi prima della prima parola: il limite di cui si parla poco
• Dove si usa Grok 4.6 oggi, senza toccare l'API

Cosa cambia rispetto a Grok 4.5, in numeri

Il salto generazionale c’è ed è misurabile. Sull’Artificial Analysis Intelligence Index, l’indice composito che aggrega decine di banchi di prova su ragionamento, codice e compiti agentici, Grok 4.6 segna 61 punti, cinque in più di Grok 4.5 e ventitré in più di Grok 4.3. Per dare la scala: la mediana dei modelli comparabili si ferma a 34.

Contesto, cutoff e input di Grok 4.6

Quello che non cambia è la finestra di contesto, ferma a 500.000 token come nella generazione precedente, secondo la documentazione per sviluppatori di SpaceXAI. Il knowledge cutoff è fissato al 1° febbraio 2026, il modello accetta testo e immagini in input e restituisce solo testo, e supporta function calling, ricerca web, ricerca su X ed esecuzione di codice.

I quattro livelli di ragionamento di Grok 4.6

La novità operativa più concreta è il controllo sullo sforzo di ragionamento: quattro livelli, low, medium, high (predefinito) e xhigh, che permettono di decidere quanta computazione bruciare per singola richiesta. È lo stesso meccanismo che trovate nei modelli reasoning delle altre famiglie, ma qui è esposto in modo esplicito anche ai prodotti di terze parti. Su Cursor, per esempio, tutti e quattro i livelli sono selezionabili dall’utente.

Sui benchmark dichiarati nell’annuncio ufficiale, Grok 4.6 registra 69,9% su CursorBench v3.2, 65,9% su DeepSWE v1.1 e 61,3% su FrontierCode v1.1. Sono tutti banchi orientati alla scrittura e alla modifica di codice reale: è lì che il modello è stato ottimizzato, e si vede. Se il vocabolario di questi indici vi è poco familiare, la nostra guida su cosa sono e come funzionano gli LLM spiega cosa misurano davvero.

Terzo posto al mondo: dipende dal giorno in cui leggete

L’affermazione più ripresa dalla stampa internazionale era il terzo posto assoluto nella classifica dei modelli, ed è così che VentureBeat ha raccontato il debutto il giorno del lancio. Al 12 agosto reggeva. Al 17 agosto la scheda live di Artificial Analysis colloca Grok 4.6 al sesto posto su 188 modelli censiti. Non è un ridimensionamento del modello: è il ritmo con cui si muove questa classifica, dove quattro giorni bastano a far scorrere tre posizioni.

La fotografia attuale, secondo l’analisi comparativa di Artificial Analysis: Claude Opus 5 guida con 63, Claude Fable 5 segue con 62, e a quota 61 si affollano quattro modelli, Gemini 3.5 Ultra, GPT-5.6 Sol, Grok 4.6 e Llama 5 Maverick. È qui che nasce l’apparente contraddizione con il terzo posto: la classifica non lascia ex aequo, e a parità di punteggio Artificial Analysis ordina i modelli per costo per task crescente. In quella fascia Grok 4.6 è il terzo dei quattro, e la somma fa sesto assoluto. Kimi K3 resta appena sotto. Tradotto: lo scarto tra il primo e il sesto è di due punti su un indice che va da 0 a 100, e chiunque scelga un modello guardando solo quel numero sta guardando una differenza che nella maggior parte dei carichi di lavoro reali non percepirà.

Dove il posizionamento diventa interessante è sui compiti agentici. Su GDPval-AA v2, il banco che valuta la capacità di portare a termine lavori professionali completi, Grok 4.6 ottiene un Elo di 1753: secondo solo a Claude Opus 5, con intervalli di confidenza che si sovrappongono a quelli di Fable 5. Segna 50,7% su τ³-Banking e 88,4% su Terminal-Bench v2.1, allineandosi ai capofila. Se state confrontando famiglie diverse, il nostro confronto tra modelli frontier del 2026 e la guida a Claude AI in azienda danno il contesto sulle alternative citate qui.

Quanto costa Grok 4.6 e perché “la metà di GPT-5.6” è sbagliato

Il listino ufficiale è 2 dollari per milione di token in input e 6 dollari per milione in output, con gli input in cache a 0,50 dollari e una variante “fast” al doppio del prezzo su tutte le voci. Il dato è identico su OpenRouter e nella documentazione SpaceXAI.

Il listino di Grok 4.6 a confronto con GPT-5.6 e Claude Opus 5

Il posizionamento è stato letto ovunque come un taglio aggressivo dei prezzi, ed è la chiave con cui AI Business ha inquadrato il lancio. Qui però va corretta una cifra che ha girato parecchio. GPT-5.6 Sol costa 5 dollari in input e 30 in output: il divario non è “la metà”, è 2,5 volte in input e 5 volte in output. Claude Opus 5 sta a 5/25. Il differenziale reale è quindi molto più ampio di quanto raccontato, e cresce proprio sulla voce che pesa di più nei carichi generativi, l’output.

Il costo reale per task di Grok 4.6, oltre il listino

Ma il prezzo di listino è la metà della storia, ed è l’errore classico di chi valuta API guardando la tabella invece della bolletta. Artificial Analysis misura un costo effettivo di 0,84 dollari per task sui propri banchi agentici: identico a Kimi K3, a fronte di un punteggio di intelligenza marginalmente superiore. Il prezzo medio ponderato (blended) si assesta a 1,35 dollari per milione di token. La differenza tra listino e costo reale nasce dalla verbosità: sull’intera valutazione agentica il modello ha generato 72 milioni di token in output complessivi, ed è descritto come piuttosto prolisso. Vale la pena chiudere il conto, perché è qui che si decide se conviene: il listino di Grok 4.6 in output è 6 dollari per milione contro i 10 di Kimi K3, quindi circa il 40% in meno. Se a valle il costo per task pareggia, significa che la verbosità si è mangiata integralmente quel vantaggio: a parità di lavoro svolto Grok 4.6 emette in output circa una volta e mezza i token del concorrente, e un fattore 1,6 sulla quantità annulla uno sconto del 40% sul prezzo unitario. Un modello che costa un terzo ma scrive il triplo non vi fa risparmiare nulla. È la stessa logica che abbiamo applicato alle API di Claude e a quando conviene passare all’abbonamento, e che vale ogni volta che si valuta il costo di integrazione dell’AI in azienda.

Cinquanta secondi prima della prima parola: il limite di cui si parla poco

C’è un numero, nella scheda tecnica di Artificial Analysis, che nessun comunicato stampa ha messo in evidenza: il time-to-first-token è di 50,02 secondi, contro una mediana di 2,74 secondi per i modelli reasoning nella stessa fascia di prezzo. Sono quasi cinquanta secondi di silenzio prima che compaia il primo carattere. La velocità di generazione, una volta partita, è di 58,3 token al secondo, sotto la media di 78,3.

Questo esclude Grok 4.6 da una categoria intera di applicazioni: qualsiasi cosa preveda un essere umano che aspetta davanti a uno schermo. Chatbot di assistenza, autocomplete, interfacce conversazionali sincrone. Non è un difetto nascosto, è un compromesso progettuale dichiarato.

Perché il rovescio della medaglia è notevole. Sui compiti agentici lunghi, quelli in cui il modello lavora da solo per minuti o ore, secondo i benchmark agentici misurati da Artificial Analysis Grok 4.6 chiude un task in circa 53 turni, e sull’intera suite di valutazione consuma 0,5 miliardi di token in input contro i 103 turni per task e i 2 miliardi di token complessivi di Claude Opus 5. Metà dei giri, un quarto del contesto consumato: i totali sono aggregati su tutta la valutazione, non il costo di una singola richiesta, ma il rapporto è quello che conta. In un flusso in cui nessuno guarda lo schermo, cinquanta secondi iniziali si ammortizzano su un’ora di lavoro, mentre dimezzare i turni si traduce direttamente in bolletta. Chi non ha chiaro cosa significhi “lavoro agentico” trova la spiegazione nella nostra guida agli agenti AI. Vale la pena aggiungere che sul più recente Terminal-Bench v3.0 il punteggio scende al 26%: i banchi di nuova generazione restano duri per tutti.

Dove si usa Grok 4.6 oggi, senza toccare l’API

La distribuzione è stata rapida e questo, per chi valuta un modello, conta quanto i benchmark. Dal 14 agosto Grok 4.6 è selezionabile in GitHub Copilot sui piani Pro, Pro+, Max, Business ed Enterprise, secondo il changelog ufficiale di GitHub: compare nel model picker di Visual Studio Code, Visual Studio, JetBrains, Xcode, Eclipse, della CLI e dell’agente cloud. Su Cursor era disponibile dal giorno del lancio, con uno sconto del 50% valido per la prima settimana.

Sul fronte infrastrutturale, il modello è servito da OpenRouter e da Cloudflare Workers AI, che ne conferma le capacità: input testuale e visivo, function calling, output strutturati, 500.000 token di contesto. È lo stesso schema di adozione che abbiamo visto con GPT-5.6 Sol nelle aziende, il modello arriva quasi sempre prima dentro un prodotto che dentro un’integrazione custom.

Il che porta all’osservazione più utile per chi legge senza scrivere codice: nel 2026 la scelta del modello è sempre meno una decisione diretta dell’utente finale. Chi usa un assistente di ricerca come Perplexity AI raramente sa quale modello stia rispondendo, ed è esattamente quello che sta succedendo qui: Grok 4.6 diventerà per molti un’opzione in un menu a tendina. Se dovete decidere consapevolmente, il criterio non è il punteggio sull’indice, due punti su 61 non cambiano una giornata di lavoro. È la coppia latenza/costo: task lunghi e non interattivi con budget stretto lo favoriscono nettamente, tutto ciò che richiede una risposta immediata lo esclude a prescindere.

Fonti:

• SpaceXAI — annuncio ufficiale di Grok 4.6
• SpaceXAI — documentazione per sviluppatori di Grok 4.6
• Artificial Analysis — scheda tecnica di Grok 4.6 (latenza, throughput, prezzi)
• Artificial Analysis — benchmark e analisi comparativa di Grok 4.6
• VentureBeat — il debutto di Grok 4.6 e il sorpasso su Kimi K3
• AI Business — Grok 4.6 e i prezzi delle API rispetto ai concorrenti
• GitHub — changelog sulla disponibilità di Grok 4.6 in Copilot
• Cursor — documentazione sui livelli di ragionamento di Grok 4.6
• OpenRouter — listino prezzi di Grok 4.6
• Cloudflare Workers AI — capacità supportate da Grok 4.6