Grok 4.6: 61 punti, ma non vince su tutto

Nel confronto di lancio fornito, Grok 4.6 ottiene 61 punti sull'Artificial Analysis Intelligence Index e pareggia GPT-5.6 Sol Max, a un punto da Claude Fable 5 Max. Il modello di SpaceXAI aggiunge tariffe API standard riportate di 2 dollari per milione di token in ingresso e 6 dollari in uscita, ma non trasforma questi numeri in una vittoria automatica: nei test di coding e nei compiti agentici il quadro è decisamente misto.

Il punteggio di Grok 4.6

La cifra da tenere a mente è dunque 61, ma con una precisazione essenziale: appartiene alla tabella di confronto pubblicata al lancio. Non va mescolata con il valore di 44,405 riportato da una pagina separata di Artificial Analysis, associato al dataset v4.3. Sono istantanee e versioni diverse; trattarle come se fossero lo stesso punteggio produrrebbe una classifica senza senso.

Nel confronto di lancio, Grok 4.6 è davanti a GPT-5.6 Sol Max e Claude Fable 5 Max in GDPVal-AA v2, una valutazione orientata al lavoro professionale, con 1.753 punti contro 1.728 e 1.741. Su CursorBench v3.2 arriva al 69,9%, tra il 67,2% di GPT-5.6 Sol Max e il 70,5% di Claude Fable 5 Max.

Il punto non è incoronare un vincitore assoluto. È capire in quali lavori il modello può essere una scelta sensata.

Una prestazione forte, ma non uniforme

Grok 4.6 appare competitivo nel lavoro professionale, nell'analisi di documenti e in alcune attività dentro l'editor di codice. Però il vantaggio si assottiglia, o scompare, quando il compito richiede software engineering autonomo e uso del terminale.

Su DeepSWE v1.1 Grok 4.6 raggiunge il 65,9%, dietro GPT-5.6 Sol Max al 73% e Claude Fable 5 Max al 70%. In Terminal-Bench v3.0 si ferma al 26%, mentre i due concorrenti superano il 34%. Sono risultati sufficienti per definirlo competitivo, non per presentarlo come il modello migliore in assoluto.

Occhio anche alle versioni: il 26% di Terminal-Bench v3.0 non è confrontabile con l'88,4% di Terminal-Bench v2.1 riportato in un'altra istantanea. Stesso nome, prova diversa. Il dettaglio sembra pedante, finché una percentuale non finisce in un titolo e cambia completamente la storia.

Perché contano i turni degli agenti

Un agente AI non risponde soltanto a una domanda: pianifica, modifica file, esegue passaggi e corregge il lavoro. In questi flussi, il numero di turni e la quantità di token elaborati possono incidere molto sull'esperienza e sulla spesa, anche se non permettono da soli di calcolare il costo reale di ogni progetto.

Le evidenze disponibili indicano che Grok 4.6 è particolarmente interessante per attività lunghe e documentali, oltre che per il lavoro professionale a più passaggi. È una direzione più precisa del generico “modello più intelligente”: qui il valore sta nella capacità di sostenere un percorso complesso, non soltanto nel dare una buona risposta al primo tentativo.

Questo non dimostra però che ogni progetto costerà meno o terminerà più rapidamente. Il risultato dipende dal compito, dagli strumenti, dalla quantità di contesto e dal modo in cui il sistema viene utilizzato. La scorciatoia promettente non è sempre la scorciatoia che porta al traguardo.

Prezzi API e contesto lungo

Per l'uso API, le tariffe standard riportate sono 2 $ per ogni milione di token in ingresso e 6 $ per ogni milione di token in uscita. L'input memorizzato nella cache è riportato a 0,50 $ per milione di token.

Per l'Italia, le informazioni disponibili restano espresse in dollari: non è indicato un listino ufficiale localizzato in euro. Il costo effettivo può quindi dipendere anche dalla conversione applicata al pagamento, ma non è possibile ricavare da questi dati una tariffa italiana precisa.

Alcune informazioni riportano tariffe più alte per richieste con contesti molto lunghi e per varianti rapide o prioritarie. Non le considero però un listino definitivo: per chi deve mettere Grok 4.6 in produzione, il dato affidabile da usare come riferimento iniziale è quello standard da 2/6 dollari, verificando le condizioni applicate al proprio account prima di stimare un budget.

Grok 4.6 dispone inoltre di una finestra di contesto riportata di 500.000 token, accetta testo e immagini e produce testo. La superficie di accesso conta: un limite mostrato in un ambiente come Cursor può non coincidere con quello del modello utilizzato direttamente via API.

Cosa mostrano i test pratici

I benchmark numerici non raccontano tutto, soprattutto quando si parla di prototipi interattivi, giochi e scene 3D. Un confronto pratico sincronizzato su 13 attività di game development e creative coding mostra sia output convincenti sia un limite funzionale concreto: in una simulazione di volo spaziale, Grok 4.6 non è riuscito a completare il decollo.

È un esempio utile perché separa l'effetto “wow” dalla logica dell'applicazione. Generare una scena visivamente ricca è una cosa; far funzionare correttamente tutti i passaggi interattivi è un'altra. Il confronto usa prompt one-shot, quindi non rappresenta un intero flusso professionale con iterazioni e autocorrezioni. Va letto come una prova qualitativa, non come un audit standardizzato.

A chi conviene Grok 4.6

Grok 4.6 ha senso per chi vuole provare un modello proprietario orientato a lavori lunghi, analisi documentali e agenti multi-passaggio, mantenendo tariffe API standard inferiori a quelle riportate per GPT-5.6 Sol Max e Claude Fable 5 Max. È disponibile, secondo le informazioni di lancio, tramite SpaceXAI API, Cursor, Grok Build, OpenRouter, Vercel e Cloudflare; l'accesso può comunque dipendere dall'account e dal servizio scelto.

Non è invece prudente sceglierlo partendo dall'idea che vinca ogni gara di coding. DeepSWE v1.1 e Terminal-Bench v3.0 mostrano concorrenti davanti, mentre i test creativi evidenziano che un prototipo spettacolare può comunque inciampare su una funzione fondamentale.

Grok 4.6 è proprietario: i pesi non sono pubblici e il numero di parametri non è stato reso noto. Non è quindi un modello da scaricare e distribuire autonomamente come soluzione self-hosted.

Il verdetto, per chi sta valutando una prova in Italia, è semplice: Grok 4.6 è un concorrente serio per rapporto tra prestazioni di lancio e prezzo API standard, ma va scelto per il tipo di lavoro giusto. Se il vostro problema è gestire documenti e flussi lunghi, merita attenzione. Se vi serve la massima affidabilità in software engineering autonomo, quei 61 punti non bastano a chiudere la discussione.