Модель · SpaceXAI
Grok 4.6
Флагманская модель SpaceXAI для долгих агентных задач, программирования и интеллектуального труда
вышла 12 августа
Рейтинг Epoch AIСводная оценка общих возможностей модели: статистическая модель выводит её из результатов на многих бенчмарках с учётом их сложностиШкала условная (Claude 3.5 Sonnet = 130, GPT-5 = 150); интервал — 90-процентный диапазон оценки, и модели с перекрывающимися интервалами надёжно не различаются.Подробнее на английском ↗
17 место из 266
индекс 156, вероятный разброс 155–159 · весь рейтинг →
| Бенчмарк | РезультатОбычно — доля заданий теста, которые модель решила. У некоторых тестов свой счёт; как он устроен, сказано в пояснении к названию теста | УсилиеНасколько долго модель рассуждала перед ответом, когда её проверяли: низкое, среднее, высокое, очень высокое, максимальное. Чем выше усилие, тем обычно выше результат — и тем дольше и дороже ответ. Показан лучший результат и усилие, на котором он получен |
|---|---|---|
| DTBenchВопросы с выбором ответа по теории принятия решений в задачах вроде парадокса Ньюкома, где твой выбор говорит о выборе похожих на тебяСлучайный выбор даёт около 40%, так что это нижняя планка, а не ноль.Подробнее на английском ↗ | 95,6% | очень высокое |
| LMCAНасколько оценки моделью доводов в философии, теории решений и безопасности ИИ совпадают с оценками экспертовБалл — корреляция с оценками экспертов, умноженная на 100; практический потолок около 85, а не 100.Подробнее на английском ↗ | 57,0% | очень высокое |
| Mystery Game Puzzles100 позиций из головоломочного варианта известной игры, название которой скрыто: нужно найти единственный лучший ходПодробнее на английском ↗ | 27,3% | очень высокое |
| EBR-benchУчится ли модель на опыте: она раз за разом играет в малоизвестную карточную настольную игру Earthborne Rangers и ведёт заметкиБалл — доля из 21 игровой цели в лучшей из двух итоговых партий после тренировочных; сам по себе он не показывает, выросла ли модель.Подробнее на английском ↗ | 30,5% | очень высокое |
| FrontierMath-Tier-4-v2-PrivateЗакрытый набор самых трудных задач FrontierMath: исследовательская математика, на которую у специалистов уходят часы и дниПодробнее на английском ↗ | 31,7% | очень высокое |
| FrontierMath-Tiers-1-3-v2-PrivateСотни новых задач исследовательской математики от профессиональных математиков; эксперту на задачу нужны часы или дниПодробнее на английском ↗ | 66,0% | очень высокое |
| FrontierCodeМодель исправляет проблему в открытом проекте, а правку оценивают по тому, приняли бы её сопровождающие проектаБалл выставляют по критериям сопровождающих и усредняют по пяти запускам; если нарушен хотя бы один обязательный критерий, за задачу ставят ноль.Подробнее на английском ↗ | 48,0% | |
| DeepSWE113 долгих задач по программированию в 91 открытом проекте на пяти языках; задачи написаны с нуля и не публиковалисьEpoch нашла, что примерно в 20% задач проверка отклоняет верные решения, поэтому реальный потолок заметно ниже 100%.Подробнее на английском ↗ | 67,5% | среднее |
| ProofBench100 закрытых задач по математике уровня старших курсов и аспирантуры: модель пишет доказательство на Lean 4, его проверяет программаПодробнее на английском ↗ | 51,0% | |
| APEX-Agents480 многошаговых рабочих задач из инвестбанкинга, консалтинга и корпоративного права: агент работает с файлами, почтой, таблицамиЗадача засчитывается, только если выполнены все пункты экспертного списка критериев; проверяет их другая модель.Подробнее на английском ↗ | 41,2% | |
| Chess Puzzles100 новых шахматных задач, позиция дана текстом: нужно найти единственный лучший ход по оценке движка StockfishПодробнее на английском ↗ | 36,9% | очень высокое |
| SimpleQA Verified1000 коротких вопросов на факты, на которые модель отвечает по памяти, без поиска в интернетеБалл — F1: учитываются и доля верных ответов, и точность там, где модель решилась ответить, так что честное «не знаю» лучше ошибки.Подробнее на английском ↗ | 49,3% | высокое |
| ARC-AGI-2Вторая, более трудная версия головоломок на клетках: по примерам найти скрытое правило и применить его к новой картинкеНа каждое задание даётся две попытки; люди в среднем решают около 60% заданий.Подробнее на английском ↗ | 67,1% | очень высокое |
| WeirdMLНеобычные задачи по машинному обучению: модель пишет код, который на выданных данных обучает классификатор, например для распознавания фигурБалл — средняя точность обученных моделью классификаторов, а не доля решённых задач.Подробнее на английском ↗ | 67,3% | высокое |
| OTIS Mock AIME 2024-202545 олимпиадных задач по математике из пробных экзаменов AIME школы OTIS; ответ — целое число от 0 до 999Подробнее на английском ↗ | 99,2% | очень высокое |
| SimpleBenchВопросы с подвохом на здравый смысл: пространство, время, поведение людей. 213 вопросов, у каждого шесть вариантов ответаЛюди в проверке авторов набрали около 84%, а балл модели — средняя точность по пяти прогонам.Подробнее на английском ↗ | 71,1% | |
| GPQA diamond198 вопросов с выбором ответа по физике, химии и биологии уровня аспирантуры — такие, что ответ не найти поискомСлучайный выбор даёт 25%, а специалисты с учёной степенью в своей области набирают около 70%.Подробнее на английском ↗ | 92,0% | очень высокое |
| ARC-AGIГоловоломки на цветных клетках: по паре примеров нужно понять правило преобразования картинки и применить его к новойПодробнее на английском ↗ | 87,5% | среднее |
Характеристики
- Вышла
- 12 августа
- КонтекстСколько текста модель учитывает за один запрос: вопрос, приложенные документы и её собственный ответ вместе. Токен — кусок слова; слово обычно занимает один–три токена
- 500 тыс. токенов
- Длина ответаСколько токенов модель может выдать за один ответ, вместе со скрытыми рассуждениями, если они есть
- до 500 тыс. токенов
- Цена входаСколько стоит миллион токенов, отправленных модели: вопрос, документы, вся история переписки
- $2 за миллион токенов
- Вход из кэшаЦена входа для повторяющегося начала запроса, которое лаборатория уже сохранила у себя. В длинной переписке и у агентов это большая часть входа — и в разы дешевле
- $0,50 за миллион токенов
- Цена ответаСколько стоит миллион токенов, написанных моделью, — включая скрытые рассуждения
- $6 за миллион токенов
- Понимает
- текст, изображения, PDF
- Отвечает
- текст
- РассужденияПеред ответом модель рассуждает про себя: медленнее и дороже, зато точнее на трудных задачах
- да
- Вызов инструментовМодель сама просит программу выполнить действие — поиск, запуск кода, запрос к сервису — и продолжает с результатом. На этом держатся агенты
- да
- ВесаОткрытые — файлы модели можно скачать и запустить на своих серверах. Закрытые — доступ только через сервис лаборатории
- закрытые
- Знания до
- февраль 2026
- Идентификатор в API
- grok-4.6
Что это за модель
Grok 4.6 — флагманская модель SpaceXAI. Компания называет её основными задачами программирование, работу агентов и интеллектуальный труд. Агент здесь — это модель, которая сама выполняет задачу по шагам: вызывает инструменты, проверяет результат и решает, что делать дальше. Модель принимает текст, картинки и PDF, а отвечает только текстом.
Grok 4.6 продолжает Grok 4.5, которая вышла месяцем раньше. По словам SpaceXAI, новая версия сильнее сосредоточена на долгих агентных задачах и на более сложной интерактивной и визуальной работе. Базовая цена осталась прежней. К уровням глубины рассуждений добавился четвёртый, самый высокий: на трудных задачах модель может думать дольше, но это стоит больше токенов и времени. Для любых задач, включая код, SpaceXAI рекомендует именно эту модель и называет её самой умной и самой быстрой из своих.
Модель доступна через API SpaceXAI, в среде для программирования Grok Build, в редакторе кода Cursor и в Grok Bot в X. Её также подключили в облаках Amazon Bedrock, Microsoft Foundry и Google. Большое контекстное окно, то есть объём текста, который модель держит в памяти за раз, позволяет давать ей целые кодовые базы и длинные документы.
Есть и оговорки. Если запрос длиннее 200 тысяч токенов, цена за токен удваивается, поэтому гонять через модель очень длинные тексты дороже. Рассуждения всегда включены. Их текст выдаётся только в зашифрованном виде, так что посмотреть, как модель пришла к ответу, нельзя. Пакетную обработку, то есть отложенную отправку большого числа запросов со скидкой, API SpaceXAI для этой модели не поддерживает. Веса закрыты.
Источники: Документация Grok 4.6 от SpaceXAI, Заметки о выпуске API SpaceXAI, Карточка модели в Amazon Bedrock
Того же уровня по индексу Epoch
-
Claude Opus 4.7
Anthropic18-е место в Epochконтекст 1 млн$5 / $25рассуждениядороже в 4,2 раза
-
GPT-5.6 Luna
OpenAI19-е место в Epochконтекст 1,1 млн$0,20 / $1,20рассуждениядешевле в 5 раз
-
-
Gemini 3.8 Flash
Google16-е место в Epochконтекст 1 млн$0,75 / $3,75рассуждениядешевле в 1,6 раза
Другие модели семейства
-
Grok Imagine Video 1.5
SpaceXAIконтекст 1 тыс.
-
-
-
Новости о модели
- 01
- 02
- 03
- 04
- 05
- 06
Данные: models.dev (MIT) и Epoch AI (CC BY 4.0).