La nuova generazione di Grok concentra l’evoluzione del modello su un problema centrale nell’AI applicata: mantenere coerenza, capacità di ragionamento e controllo dell’esecuzione durante attività che richiedono molti passaggi consecutivi. Grok 4.6, presentato da xAI il 12 agosto 2026, è orientato a coding, knowledge work e sistemi agentici, con particolare attenzione ai workflow prolungati nei quali il modello deve alternare analisi, utilizzo di strumenti, modifica di artefatti e verifica dei risultati.
Le specifiche tecniche di Grok 4.6 indicano una finestra di contesto di 500.000 token, input testuale e visuale e output testuale. Il modello supporta function calling e può utilizzare strumenti per ricerca sul Web, ricerca su X ed esecuzione di codice. Il livello di reasoning può essere configurato su low, medium, high, impostazione predefinita, oppure xhigh; il knowledge cutoff dichiarato è il 1° febbraio 2026.
La dimensione del contesto è particolarmente rilevante nei workflow agentici perché permette di mantenere simultaneamente una quantità consistente di codice, documentazione, risultati intermedi e cronologia delle operazioni. La gestione del contesto rimane però una variabile tecnica critica: la stessa documentazione xAI raccomanda di utilizzare prompt_cache_key nelle Responses API, oppure l’header x-grok-conv-id nelle Chat Completions, in modo da mantenere le richieste di una conversazione sullo stesso server e aumentare l’efficacia della cache. Per i loop agentici lunghi xAI consiglia inoltre la context compaction, che permette di contenere la crescita del contesto nel corso delle iterazioni.
Agenti progettati per lavorare su sequenze più lunghe
Grok 4.6 è stato addestrato esplicitamente per sostenere sequenze operative più lunghe, come ricerca su un argomento, analisi delle informazioni, lavoro attraverso un’intera codebase e trasformazione di un’idea iniziale in un’applicazione o in un artefatto utilizzabile.
Il modello deve quindi mantenere un obiettivo lungo una traiettoria composta da numerosi step, invocare strumenti, interpretarne i risultati e utilizzare le informazioni ottenute per decidere l’operazione successiva. Nei workload di software engineering, una sequenza di questo tipo può comprendere esplorazione del repository, individuazione di un problema, modifica del codice, esecuzione dei test e successiva correzione.
xAI segnala inoltre un aumento dei comportamenti di self-testing e verifica durante le traiettorie più lunghe: il modello tende a controllare il proprio lavoro prima di procedere. La capacità di validare risultati intermedi è particolarmente importante nei sistemi agentici, perché un errore introdotto nelle prime fasi può propagarsi attraverso tutti i passaggi successivi.
Dall’idea a un’applicazione interattiva
Una parte consistente del lavoro su Grok 4.6 riguarda i progetti visuali e interattivi. Nei test descritti nella pagina di lancio, il modello riceve un’idea di prodotto, effettua ricerche in domini che non conosce inizialmente, struttura l’applicazione, implementa le interazioni fondamentali e continua a perfezionare il risultato attraverso più cicli di feedback.
xAI sostiene di aver osservato anche first pass più completi nei progetti visuali e interattivi rispetto a Grok 4.5. Partendo da un’idea sufficientemente concreta, Grok 4.6 può definire in una singola iterazione la struttura e il linguaggio visuale dell’applicazione, fornendo una base già sostanziale sulla quale intervenire nei cicli successivi.
La qualità del risultato iniziale ha implicazioni operative dirette nei workflow agentici. Un primo output più vicino al risultato richiesto riduce il numero di iterazioni necessarie e, di conseguenza, il volume di token, chiamate agli strumenti e tempo di calcolo consumati per completare il lavoro.
Come è stato addestrato Grok 4.6
Grok 4.6 deriva da una fase supplementare di training più lunga di quella utilizzata per Grok 4.5. xAI indica l’impiego di dati generati dai modelli e selezionati per reasoning e concetti tecnici avanzati, dataset ingegneristici di alta qualità e modifiche all’ottimizzatore e alla ricetta di training. Questa fase ha prodotto la base utilizzata nei successivi passaggi di supervised fine-tuning, SFT, e reinforcement learning, RL.
Anche Grok 4.5 è entrato nel processo di addestramento del successore. Grok 4.5 è stato utilizzato per rigenerare le traiettorie destinate al supervised fine-tuning di Grok 4.6, coprendo differenti livelli di reasoning, agent harness e domini come STEM, software engineering e knowledge work. Le traiettorie problematiche sono state successivamente eliminate attraverso controlli eseguiti da altri modelli.
Il reinforcement learning è stato applicato a un insieme di ambienti agentici che comprende knowledge work e programmazione generalista, insieme a task specialistici quali ottimizzazione dei kernel, sviluppo Web e progettazione assistita dal computer, CAD. L’addestramento punta quindi direttamente alla capacità di completare successioni di operazioni interdipendenti, dove il risultato finale dipende dalla correttezza dell’intera traiettoria.
61 punti nell’Artificial Analysis Intelligence Index
Sul piano dei benchmark, Grok 4.6 High raggiunge 61 punti nell’Artificial Analysis Intelligence Index, cinque in più rispetto ai 56 punti di Grok 4.5. Lo stesso valore viene attribuito a GPT-5.6 Sol Max nella tabella pubblicata da xAI, mentre Fable 5 Max raggiunge 62 punti.
La valutazione indipendente di Artificial Analysis su Grok 4.6 conferma il punteggio di 61 e colloca il nuovo modello xAI nella fascia di frontiera dell’Artificial Analysis Intelligence Index. L’indice combina nove valutazioni dedicate a reasoning, conoscenza, coding e attività agentiche.
Artificial Analysis evidenzia anche l’incremento rispetto alla generazione precedente: Grok 4.6 guadagna 5 punti rispetto a Grok 4.5 e 23 punti rispetto a Grok 4.3. Il confronto indipendente colloca il modello allo stesso livello di GPT-5.6 Sol Max nell’indice complessivo, dietro Claude Opus 5 Max e Claude Fable 5 Max con fallback.
I benchmark agentici e di coding
Grok 4.6 mostra un vantaggio soprattutto nei benchmark agentici e nelle attività professionali di lunga durata, mentre il quadro è più misto sul coding puro. Supera GPT-5.6 Sol Max e Fable 5 Max in GDPVal-AA v2, risulta davanti a entrambi anche su AA-Briefcase e ottiene il miglior risultato del gruppo su Harvey LAB. Nei benchmark di sviluppo software mantiene invece prestazioni competitive ma non sempre al vertice: Fable 5 Max resta davanti su CursorBench, FrontierCode, APEX-Agents e APEX-SWE, mentre GPT-5.6 Sol Max conserva un vantaggio più netto su DeepSWE e Terminal-Bench. Il progresso rispetto a Grok 4.5 è comunque generalizzato su tutte le prove considerate.
I risultati comparativi vanno letti tenendo conto della metodologia usata da xAI: per i modelli concorrenti l’azienda riporta il valore migliore tra quelli pubblicati nelle rispettive system card e quelli disponibili nelle leaderboard dei benchmark. Il confronto non deriva quindi da un’unica sessione di test eseguita nelle stesse condizioni, mentre per l’Artificial Analysis Intelligence Index e AA-Briefcase sono disponibili anche le misurazioni indipendenti di Artificial Analysis.
AA-Briefcase e l’efficienza delle traiettorie lunghe
L’analisi indipendente di Artificial Analysis aggiunge un elemento particolarmente interessante per valutare i workload agentici di lunga durata: Grok 4.6 completa le attività AA-Briefcase mediamente in circa 53 turni e 0,5 miliardi di token di input, mentre Claude Opus 5 Max ne utilizza circa 103 e 2 miliardi.
Il dato aiuta a spiegare perché, nei sistemi agentici, la spesa per token rappresenti soltanto una parte del costo complessivo. Una traiettoria che raggiunge un risultato comparabile con meno turni e meno contesto accumulato riduce sia il volume di inferenza sia la probabilità che la conversazione entri nelle fasce tariffarie dedicate al long context.
500.000 token, function calling e strumenti integrati
Nelle API il modello è identificato come grok-4.6. La scheda tecnica ufficiale conferma una finestra di contesto di 500.000 token, input testuale e visuale e output testuale.
Il modello è accessibile tramite Responses API e Chat Completions e integra strumenti per function calling, Web Search, X Search e code execution. Questa combinazione consente a un agente di alternare reasoning e operazioni esterne: può individuare lo strumento necessario, eseguire la chiamata, elaborarne l’output e utilizzare il risultato nello step successivo.
xAI raccomanda il caching soprattutto nelle conversazioni lunghe. Il prompt_cache_key permette di instradare le richieste di una stessa conversazione verso lo stesso server, aumentando la probabilità di cache hit; senza questo meccanismo, una richiesta inviata a un server la cui cache non contiene il contesto può essere fatturata interamente come nuovo input. Per i loop agentici più lunghi, la documentazione suggerisce di combinare caching e context compaction.
Prezzi API da 2 dollari per milione di token
Il listino API di xAI fissa per Grok 4.6 un prezzo base di 2 dollari per milione di token in input, 0,50 dollari per milione di token recuperati dalla cache e 6 dollari per milione di token in output.
Quando il prompt raggiunge la soglia dei 200.000 token entra in vigore il long-context pricing: 4 dollari per milione di token in input, 1 dollaro per milione di token cached e 12 dollari per milione di token in output. La regola ha un effetto importante sui workload agentici: una volta raggiunta la soglia, le tariffe long-context vengono applicate a tutti i token della richiesta, non soltanto a quelli che eccedono i 200.000.
La gestione della memoria dell’agente diventa quindi anche un problema economico. Un workflow che accumula codice, documenti, output degli strumenti e cronologia delle iterazioni può attraversare la soglia dei 200.000 token e raddoppiare il prezzo unitario di input, cache e output. Compaction, caching e riduzione dei turni incidono direttamente sul costo per task completato.
Artificial Analysis ha misurato per Grok 4.6 un costo medio di 0,84 dollari per task nelle proprie valutazioni dell’Intelligence Index. Il modello entra così nella frontiera di Pareto fra livello di intelligence e costo misurato per attività, con il prezzo nominale rimasto invariato rispetto a Grok 4.5 nonostante l’incremento di cinque punti nell’indice.
Una variante fast al doppio del prezzo
Accanto alla configurazione standard, xAI rende disponibile anche una variante fast, proposta al doppio del prezzo e destinata ai casi in cui la velocità di esecuzione assume maggiore importanza.
La scelta fra le due modalità diventa quindi una variabile architetturale. Applicazioni interattive e agenti che operano all’interno di strumenti di sviluppo possono attribuire un valore elevato alla latenza, mentre processi batch o workflow meno sensibili ai tempi di risposta possono privilegiare il costo della modalità standard.
Anche i dati indipendenti aiutano a contestualizzare le prestazioni: la scheda di Artificial Analysis misura Grok 4.6 High sia sul piano della qualità sia su quello della velocità e del costo, permettendo di confrontarne il profilo con gli altri modelli proprietari presenti sul mercato.
Grok Build, Cursor, API e gateway
Grok 4.6 è disponibile attraverso le API xAI, in Grok Build e all’interno di Cursor. Grok 4.6 è impostato come modello predefinito del coding agent di Grok Build, accessibile sia tramite API sia tramite CLI. In Cursor è disponibile su tutti i piani e può essere utilizzato anche attraverso gateway come OpenRouter, Vercel e Cloudflare.
Per la prima settimana dal lancio, xAI offre inoltre 2× di utilizzo incluso in Grok Build e Cursor, aumentando la quantità di workload che gli sviluppatori possono eseguire durante la fase iniziale di valutazione.
L’integrazione diretta negli ambienti di sviluppo chiarisce il terreno sul quale xAI punta a misurare Grok 4.6: analisi di repository estesi, interventi distribuiti su più file, mantenimento dei vincoli durante sequenze prolungate, utilizzo di strumenti esterni e validazione del risultato prima di completare il task.
Sicurezza e test pre-deployment
L’aumento delle capacità agentiche ha portato xAI ad ampliare anche la fase di valutazione della sicurezza. L’azienda dichiara di avere utilizzato per Grok 4.6 la più ampia suite di test pre-deployment finora adottata da xAI per capacità e calibrazione delle salvaguardie, affiancandola a verifiche post-deployment e test di terze parti.
Gli scenari esplicitamente citati comprendono correzione delle vulnerabilità software, accelerazione del ciclo di progettazione ingegneristica e supporto alla ricerca sull’intelligenza artificiale. Sono domini nei quali l’aumento dell’autonomia operativa offre vantaggi concreti e richiede contemporaneamente controlli più accurati sulle azioni che il modello può compiere attraverso gli strumenti collegati.
Grok 4.6 fotografa così una fase della competizione fra modelli di frontiera in cui qualità del reasoning, durata delle traiettorie agentiche, capacità di usare strumenti, efficienza nella gestione del contesto e costo per task completato diventano metriche strettamente collegate. I benchmark mostrano vantaggi e limiti differenti a seconda del workload: il nuovo modello migliora in modo consistente rispetto a Grok 4.5, raggiunge risultati particolarmente forti nel knowledge work agentico e rimane dietro ai migliori concorrenti in alcune prove di coding e terminal use. Per chi deve scegliere un modello da integrare in un sistema reale, il dato decisivo diventa il comportamento lungo l’intero processo di esecuzione: qualità del risultato, numero di iterazioni, token consumati, latenza e costo complessivo.
