Grok 4.6 jest mądrzejszy, nie większy

Nowa liczba na starym modelu

12 sierpnia 2026 roku SpaceXAI, firma działająca wcześniej jako xAI, zanim fuzja ze SpaceX wchłonęła ją do grupy, przedstawiła Grok 4.6. Notatki wydania zawierają niecodzienne przyznanie jak na dzień premiery: sieć pod spodem to ten sam model bazowy V9 o 1,5 biliona parametrów, który napędzał już Grok 4.5. Nic nie zmieniło się w architekturze, liczbie parametrów ani w samym przebiegu wstępnego treningu. Zmieniło się natomiast wszystko, co działo się z modelem po zakończeniu tego wstępnego treningu.

To rozróżnienie ma znaczenie, ponieważ laboratoria na czołówce zwykle inaczej tłumaczą skok możliwości. Nowy numer modelu oznaczał dotąd zazwyczaj nową sieć bazową, trenowaną od zera na większym lub świeższym zbiorze danych, kosztem obliczeniowym sięgającym dziesiątek milionów dolarów. Grok 4.6 wydał swój budżet zamiast tego na wydłużone nadzorowane dostrajanie i uczenie ze wzmocnieniem, czyli etap po treningu, w którym modelowi pokazuje się dobre i złe odpowiedzi i koryguje go tak, by preferował te dobre, bez dotykania wag przechowujących jego podstawową wiedzę.

Gdzie lądują liczby

W testach, które SpaceXAI zdecydowała się opublikować, Grok 4.6 osiąga 69,9 procent w CursorBench v3.2, teście agenta kodującego zbudowanym na prawdziwych sesjach Cursor, 65,9 procent w DeepSWE v1.1, 57,5 procent w APEX-Agents oraz 61,3 procent w FrontierCode v1.1. Firma przedstawia każdy z tych czterech wyników jako poprawę względem Grok 4.5, nie opublikowała jednak obok nich wyników poprzedniej generacji w tych samych testach, więc skala skoku pozostaje twierdzeniem SpaceXAI, którego Servola nie może niezależnie przeliczyć.

Bardziej użyteczne zewnętrzne porównanie pochodzi od Artificial Analysis, niezależnego podmiotu prowadzącego własny Intelligence Index obejmujący dostawców. Tam Grok 4.6 zdobywa 61 punktów, zrównując się z GPT-5.6 Sol od OpenAI i wyprzedzając chiński model Kimi K3, choć wciąż pozostaje za Claude Opus 5 i Claude Fable 5 na szczycie zestawienia. W GDPval-AA v2, osobnym indeksie zbudowanym na realnej pracy wiedzowej, Grok 4.6 osiąga Elo na poziomie 1753. Ogólnie rzecz biorąc, model zamknął większą część dystansu do liderów, nigdy nie opuszczając własnej sieci bazowej.

Cena, kontekst i miejsca dostępności

Ceny nie zmieniają się względem tego, co płaci już klient Grok 4.5 poniżej 200 000 tokenów kontekstu: 2 dolary za milion tokenów wejściowych, 0,50 dolara za milion tokenów wejściowych z pamięci podręcznej i 6 dolarów za milion tokenów wyjściowych. Powyżej 200 000 tokenów stawki rosną do 4, 1 i 12 dolarów, czyli progu, który większość agentowych sesji kodowania rzadko osiąga, ale który obciążony dokumentami przepływ prawny lub badawczy mógłby osiągać często. Własne doniesienia VentureBeat wspominają okno kontekstu na poziomie 500 000 tokenów; liczba ta nie pojawia się na głównej stronie ogłoszenia SpaceXAI, więc należy traktować ją jako dane z drugiej ręki, dopóki firma nie potwierdzi jej bezpośrednio.

Dostęp jest szeroki już od pierwszego dnia: Cursor, Grok Build, API SpaceXAI, OpenRouter, Vercel i Cloudflare wymieniają Grok 4.6 jako dostępny od razu, zamiast trzymać go najpierw w zamkniętej wersji beta. Dla zespołu, który już kieruje ruch przez jeden z tych pięciu kanałów, przejście na Grok 4.6 to jedna linijka w pliku konfiguracyjnym, a nie nowa integracja.

Poza samym wydarzeniem: gdy trening pokonuje skalę

Prawdziwym newsem nie jest to, że Grok 4.6 jest lepszy od Grok 4.5. Jest nim to, że dwa kolejne wydania stoją teraz na tej samej sieci bazowej, a drugie z nich zamknęło większość dystansu do GPT-5.6 Sol i Claude Fable 5 wyłącznie dzięki post-treningowi. To wymowny sygnał, skąd naprawdę bierze się dziś postęp na czołówce sztucznej inteligencji. Przez kilka lat dominującą narracją były większe klastry i większe przebiegi wstępnego treningu. Grok 4.6 pokazuje, że dobrze poprowadzona runda nadzorowanego dostrajania i uczenia ze wzmocnieniem potrafi dziś zamknąć porównywalną część tego dystansu, na sprzęcie i modelu bazowym, który dostawca już posiada.

Konsekwencją dla każdego, kto śledzi pozycję dostawców, jest to, że miejsce w rankingu przestaje być wiarygodnym miernikiem tego, ile kapitału lub jak duży klaster obliczeniowy stoi za daną firmą. Konkurent z mniejszym budżetem obliczeniowym mógłby w zasadzie zamknąć dystans w benchmarkach na własnym istniejącym modelu bazowym dokładnie tak, jak właśnie zrobiła to SpaceXAI, nigdy nie ogłaszając nowego modelu bazowego ani przebiegu treningu na tyle dużego, by trafić na nagłówki. Fosa, którą kiedyś kupował duży budżet wstępnego treningu, stała się płytsza, a czas, w którym rywal może zareagować, skrócił się.

Co to oznacza dla dostawcy, na którym już się buduje

Przedsiębiorca decydujący, na jakim dostawcy AI się ustandaryzować, powinien traktować dzisiejszą pozycję w benchmarkach jako migawkę o krótkiej trwałości, a nie trwałą przewagę kupioną infrastrukturą. Ponieważ cykl post-treningu trwa tygodnie, a nie ponad rok potrzebny na pełny ponowny trening, dystans między dwoma dostawcami może zauważalnie przesunąć się między jednym przeglądem zakupowym a kolejnym, w obie strony, bez ogłaszania przez którąkolwiek z firm nowego modelu bazowego. Pytanie potencjalnego dostawcy, w jaki sposób powstał jego ostatni skok możliwości, daje odpowiedź, która przewiduje, jak szybko konkurent mógłby go dogonić.

Praktyczną odpowiedzią jest utrzymywanie powierzchni integracji niezależnych od dostawcy tam, gdzie pozwala na to zadanie, ponowne testowanie w cyklach krótszych niż typowy cykl post-treningu zamiast raz do roku, oraz przestanie traktowania obecnej ceny za token lub miejsca w rankingu dostawcy jako trwałej fosy. Grok 4.6 jest praktycznym dowodem na to, że właśnie ten dystans, na którym czasem opiera się decyzja o uzależnieniu od dostawcy, można zamknąć bez nakładu kapitałowego, którego ta decyzja zakładała konieczność.

Czytaj dalej: Zakaz obowiązuje, a sprawa pozostaje otwarta  |  Darmowy dodatek może czytać każdy twój dokument