Grok 4.6 dohnal GPT-5.6 v agentních testech. Model SpaceXAI míří na dlouho běžící agenty
xAI vydala Grok 4.6 — první model své rodiny, který se v souhrnném indexu Artificial Analysis vyrovnal GPT-5.6. Zaměřuje se na dlouho běžící agenty, kteří si sami kontrolují práci. Přes API startuje na 2 USD za milion vstupních tokenů.
K čemu je Grok 4.6 vlastně určený
Když si dnes necháte od AI napsat krátkou funkci nebo odpověď na e-mail, rozdíly mezi špičkovými modely skoro nepoznáte. Problém nastává, když má model pracovat desítky minut až hodiny — třeba prohledat neznámou databázi, projít cizí kódovou základnu nebo z nápadu postavit první funkční verzi aplikace. Právě sem xAI míří.
Agent je v řeči AI jednoduše model, který neodpoví a neskončí, ale rozdělí si úkol na kroky a postupně je provádí — čte soubory, spouští příkazy, opravuje vlastní chyby. U krátkých úloh to funguje spolehlivě. U dlouhých se historicky modely „ztrácely“: zapomínaly kontext, motaly se v kruhu nebo považovaly za hotové něco, co hotové nebylo.
Grok 4.6 vznikl přesně proti tomuhle. Podle oficiálního oznámení se model na delších úlohách „začal sám testovat a ověřovat“ — zkontroluje svůj výstup, než postoupí k dalšímu kroku. To je klíčový posun od předchozího Groku 4.5.
Co se změnilo proti Grok 4.5
Největší skok je vidět v agentních benchmarcích. DeepSWE v1.1, který měří schopnost řešit skutečné úkoly z repozitářů, poskočil z 54 na 65,9 procenta. CursorBench z 66,7 na 69,9 procenta a Terminal-Bench, kde model pracuje v příkazové řádce, z 15,7 na 26 procent. Tedy ne „nepatrné vylepšení“, ale u řady testů o desítky procent lepší výsledek.
Důvod je v tréninku. xAI použila delší doplňkový trénink s kurátorovanými generovanými daty pro uvažování a pokročilé technické koncepty a nasadila širší sadu agentních úloh — od znalostní práce přes programování až po specializované prostředí na optimalizaci kernelů nebo webový vývoj.
Srovnání s konkurencí: férový obrázek
Oficiální tabulka srovnává Grok 4.6 s modelem GPT-5.6 Sol od OpenAI a Fable 5 Max od Anthropicu. Výsledky stojí za podrobnější čtení, než naznačuje marketing.
| Benchmark | Grok 4.6 | Grok 4.5 | GPT-5.6 Sol | Fable 5 |
|---|---|---|---|---|
| AA Intelligence Index | 61 | 56 | 61 | 62 |
| CursorBench v3.2 | 69,9 % | 66,7 % | 67,2 % | 70,5 % |
| DeepSWE v1.1 | 65,9 % | 54 % | 73 % | 70 % |
| Terminal-Bench v3.0 | 26 % | 15,7 % | 34,6 % | 34,1 % |
| GDPVal-AA v2 | 1753 | 1526 | 1728 | 1741 |
| Harvey LAB (Vals) | 15,8 % | 12,9 % | 2,5 % | 11,3 % |
Data: oficiální x.ai. Tučně nejlepší výsledek v řádku.
Co z toho plyne bez růžových brýlí? Grok 4.6 patří do první ligy — vyrovnal GPT-5.6 v souhrnném indexu a vyhrává v ekonomickém benchmarku GDPVal-AA i v právnickém Harvey LAB. Zároveň ale na řadě kódovacích testů stále vede Anthropic (CursorBench, FrontierCode, APEX-Agents) a v terminálových úlohách zůstává xAI znatelně pozadu. Zatím jde o vyrovnání špičky, ne o odskočení od ní.
Cena: kolik Grok 4.6 stojí
Přes API startuje Grok 4.6 na 2 dolarech za milion vstupních tokenů a 6 dolarech za milion výstupních tokenů. K tomu existuje „rychlá“ varianta za dvojnásobek. Při kurzu zhruba 23 korun za dolar to vychází takto:
- vstup: 2 USD ≈ 46 Kč za milion tokenů (0,2 haléře za tisíc tokenů),
- výstup: 6 USD ≈ 138 Kč za milion tokenů,
- rychlá varianta: dvojnásobek, tedy zhruba 92 a 276 Kč.
Pro představu: běžný článek o zhruba 5 000 tokenech by vás na vstupu vyšel na řádově setiny koruny. Skutečné náklady u agentů rostou hlavně na výstupní straně a s délkou úlohy — dlouhý agent, který generuje desítky milionů tokenů, se prodraží právě kvůli 6 dolarům za výstup.
Kde si ho vyzkoušíte
Grok 4.6 je ode dneška dostupný v Cursoru a v Grok Build, tedy prostředí pro tvorbu aplikací s agentem. První týden xAI v obou službách nabízí dvojnásobek zahrnutého využití, takže si ho můžete osahat bez okamžité platby. Přes API je k dispozici i u partnerů jako OpenRouter, Vercel a Cloudflare.
Pro českého vývojáře je podstatné, že žádná z cest není omezená regionem — Cursor i OpenRouter fungují v Česku běžně, platí se v dolarech. Samotný chatovací Grok češtinu zvládá dlouhodobě, takže při zadávání úkolů agentovi čeština není překážka. Zda a kdy se 4.6 dostane i do běžné mobilní aplikace Grok, oznámení nezmiňuje — zatím jde o vydání mířené na vývojáře a agenty.
Co si z toho odnést
Grok 4.6 není přelom ve smyslu nového rekordu ve všech testech. Je to dobré znamení, kam se agentní AI posouvá: modely začínají soutěžit v tom, kdo déle a spolehlivěji odvede práci bez lidského dohledu, ne jen v tom, kdo napíše líp esej. A fakt, že xAI se na souhrnném indexu vyrovnala GPT-5.6 méně než rok po předchozí generaci, ukazuje, jak rychle se dnes mezery mezi špičkou a zbytkem zmenšují.
Je Grok 4.6 dostupný v češtině?
Samotný chatovací Grok češtinu ovládá a není problém mu úkoly zadávat česky. Nový model 4.6 se zatím šíří přes vývojářské kanály (Cursor, Grok Build, API, OpenRouter), kde čeština v zadáních funguje stejně dobře. Oznámení ale nezmiňuje, kdy se 4.6 dostane do běžné mobilní aplikace.
Čím se Grok 4.6 liší od běžného chatovacího modelu?
Je optimalizovaný pro agentní práci — tedy pro úlohy, kde model sám postupuje v mnoha krocích, čte soubory, spouští kód a kontroluje vlastní výstup. U krátkých dotazů rozdíl nepoznáte, u hodinové práce na projektu ano.
Proč je u agentů důležitá cena výstupních tokenů?
Agent při práci generuje řádově víc textu, než přijme jako zadání. Výstupní tokeny jsou třikrát dražší než vstupní (6 vs. 2 USD za milion), takže při dlouhém běhu agenta tvoří právě výstup většinu účtu.
