Pendant longtemps, l’IA de pointe obéissait à une règle de restaurant : plus la carte était raffinée, plus il fallait surveiller l’addition. Grok 4.6 casse cette règle. Il atteint 61 à l’Intelligence Index d’Artificial Analysis, rejoint GPT-5.6 Sol et ne reste derrière que les configurations maximales d’Opus 5 et Fable 5. Pourtant, son tarif standard demeure à 2 dollars par million de jetons en entrée et 6 dollars en sortie. Le progrès de capacité n’arrive donc pas avec une nouvelle facture de palace.
L’information la plus intéressante se trouve sous le score composite. Sur GDPVal-AA v2, qui mesure le travail professionnel d’un agent, Grok obtient 1753 Elo. Sur AA-Briefcase, consacré aux longues tâches de recherche, d’analyse et de production de livrables, il atteint 1577 Elo. Artificial Analysis observe environ 53 tours et 0,5 milliard de jetons d’entrée par tâche. Opus 5 max en utilise près de 103 et 2,0 milliards. Imaginez deux équipes qui rendent des rapports de qualité voisine : l’une organise moitié moins de réunions et relit seulement un quart du dossier. Cette sobriété réduit la facture et limite aussi les occasions de perdre l’objectif au milieu d’une longue trajectoire.
xAI a précisément entraîné le modèle pour cette endurance. L’annonce décrit une phase supplémentaire plus longue, de nouvelles trajectoires de raisonnement et de logiciel, puis de l’apprentissage par renforcement sur le travail intellectuel, le code général, le développement web, la CAO et d’autres environnements à outils. Le modèle propose 500 000 jetons de contexte et quatre niveaux de raisonnement : low, medium, high et xhigh. Il est disponible dans Grok Build, Cursor, l’API xAI, OpenRouter, Vercel et Cloudflare. Une variante plus rapide réduit l’attente, mais double le prix par jeton.
Ces résultats ne forment pas un grand chelem. La preuve la plus solide concerne le travail intellectuel agentique. Dans le tableau xAI, les 65,9% sur DeepSWE v1.1 restent derrière GPT-5.6 Sol et Fable 5 ; les 26% sur Terminal-Bench v3.0 sont encore plus éloignés de leurs résultats proches de 34%. De plus, certaines valeurs concurrentes viennent de cartes de modèle ou de classements publics employant d’autres prompts, outils et règles d’arrêt. Un petit écart indique donc plutôt une même zone de performance qu’une mesure au millimètre.
Les premiers retours de terrain comptent également. Quelques développeurs signalent des modifications de sécurité dangereuses ou un comportement peu fiable après un échec. Ce sont des témoignages, pas une mesure de fréquence, mais ils décrivent le type d’erreur qu’une moyenne peut masquer. La réponse raisonnable est d’isoler l’agent, de lui donner le minimum d’identifiants, d’exiger de petits diffs, puis d’imposer tests et validation humaine. Un contexte de 500K peut contenir un projet complet ; il ne garantit ni que le modèle remarquera le fait décisif, ni qu’il attribuera correctement une source.
La conclusion pratique n’est donc pas « faire davantage confiance à Grok », mais « pouvoir mieux vérifier Grok ». Artificial Analysis mesure environ 0,84 dollar par tâche, ce qui rend un second passage, un contrôle des sources ou un modèle relecteur économiquement raisonnables. Pour la recherche, l’analyse, les documents professionnels et les agents au long cours, Grok 4.6 est désormais une véritable option de pointe avec un avantage de coût. Pour une affirmation à fort enjeu ou un accès à la production, un humain doit rester à la porte.
