L’essentiel
- SpaceXAI a publié Grok 4.6 au même tarif que Grok 4.5, soit 2 dollars le million de tokens en entrée et 6 en sortie.
- Sur le benchmark AA-Briefcase, le modèle termine une tâche complexe en 53 étapes environ, contre 103 pour Claude Opus 5.
- Avec 61 points à l’Artificial Analysis Intelligence Index, il égale GPT-5.6 Sol et talonne Claude Opus 5 (63) pour un prix inférieur de plus de 60 %.
SpaceXAI a publié hier Grok 4.6 sans toucher à sa grille tarifaire : 2 dollars le million de tokens en entrée, 6 en sortie, exactement comme Grok 4.5. La différence se joue dans une colonne du benchmark AA-Briefcase, qui suit des tâches de bureau au long cours : le nombre d’étapes nécessaires pour en venir à bout. Grok 4.6 en consomme environ 53. Claude Opus 5, premier du classement, en demande près du double : 103.
L’étape, cette ligne de facture qu’on ne lisait pas
Une tâche agentique (un modèle qui enchaîne seul des actions : lire un fichier, appeler un outil, vérifier son résultat, recommencer) ne se facture pas comme une conversation. Chaque étape déclenche un appel complet, avec l’intégralité du contexte accumulé en entrée et une nouvelle production en sortie. Doubler le nombre d’étapes revient donc à multiplier les appels sur un contexte qui grossit à chaque tour : la dépense progresse plus vite que le compteur d’étapes.
Le tarif se superpose à cette mécanique. Sur les tokens de sortie, ceux que produit le modèle, Grok 4.6 est facturé 6 dollars le million contre 25 pour Claude Opus 5 et 30 pour GPT-5.6 Sol, soit un rapport de quatre à cinq. Ajoutez-y moitié moins d’étapes à charge comparable, et l’écart sur une tâche menée à son terme s’approche d’un ordre de grandeur. C’est cette multiplication, et non le prix au million affiché en vitrine, qui décide du budget mensuel d’une équipe qui fait tourner des agents en continu.
Toutes les étapes ne se valent pas
Le compteur d’étapes reste un indicateur grossier. Une étape peut abriter dix lignes de raisonnement ou trois mille, et rien n’interdit à un modèle d’en faire deux fois moins tout en produisant beaucoup plus de tokens à chaque tour, facturés au tarif sortie. Les mesures publiées vont dans le même sens : sur ces tâches longues, Grok 4.6 consomme environ quatre fois moins de tokens en entrée que Claude Opus 5. L’économie d’étapes ne se paie donc pas ailleurs.
Un angle mort subsiste, le taux de réussite au premier essai : une tâche qu’il faut relancer coûte deux fois. La bonne unité tiendrait en une phrase : combien coûte une tâche terminée et validée par un humain ? Artificial Analysis publie déjà un coût moyen par tâche, 0,84 dollar pour Grok 4.6, soit le tarif de Kimi K3 pour une note d’intelligence un peu supérieure. Il manque encore la part de ces tâches qu’un professionnel signerait sans y revenir.
En haut du tableau, deux points d’écart
Sur l’Artificial Analysis Intelligence Index, qui agrège plusieurs benchmarks en une note unique, Grok 4.6 marque 61 points et rejoint GPT-5.6 Sol. Devant lui, Claude Fable 5 avec 62 points, Claude Opus 5 avec 63. Cinq points gagnés sur Grok 4.5 en une seule version. Sur GDPval-AA v2, censé mesurer du travail de bureau réel effectué sur un ordinateur, il prend la deuxième place avec un score Elo de 1 753 (un classement par duels, comme aux échecs), derrière Opus 5.
Deux points séparent donc le premier du quatrième dans un index qui écrase les profils dans une moyenne. Sur le tarif, l’écart se compte en multiples. Quand la qualité se resserre à ce point et que les prix gardent un facteur quatre à cinq sur les tokens de sortie, le critère d’arbitrage se déplace tout seul vers la facture.
Le calcul à refaire sur vos propres tâches
Deux précautions avant de brancher quoi que ce soit. La première : SpaceXAI offre un doublement de quota la première semaine dans Cursor et Grok Build. Une mesure de coût effectuée pendant cette fenêtre compare un tarif subventionné à des tarifs pleins. Attendez la deuxième semaine pour chiffrer.
La seconde tient à vos propres usages. Un benchmark généraliste moyenne des tâches qui ne ressemblent pas aux vôtres : sur un pipeline maison bardé d’appels d’outils, le nombre d’étapes peut s’inverser. Reproduisez le protocole sur votre corpus, avec dix tâches représentatives, en mesurant le coût total jusqu’à validation, relances comprises. Le modèle est accessible via l’API, Cursor, Grok Build et des partenaires comme OpenRouter, Vercel ou Cloudflare : monter ce test coûte quelques dizaines de dollars.
La pression sur ce poste de dépense ne va pas retomber. SpaceXAI pousse en parallèle Grok Bot, sa bêta d’agents autonomes capables de se répartir des tâches et de se coordonner entre eux. Cinq agents lancés en parallèle multiplient mécaniquement le nombre d’étapes facturées, et transforment un écart de tarif en écart de faisabilité.
À la fin du mois, aucune facture ne mentionne un score composite : elle additionne des appels, et chaque étape en est un.
Mon avis
Le prix vient de devenir un argument technique à part entière, et je ne vois rien qui puisse inverser cette tendance avant plusieurs trimestres. Un modèle qui termine une tâche en moitié moins d’étapes pour un quart du tarif de sortie n’a pas besoin d’être le meilleur, il lui suffit d’être assez bon : 61 points contre 63, personne ne verra la différence sur une chaîne de production. Ce qui me dérange, c’est l’opacité qui subsiste sur les tokens réellement consommés par tâche, car chacun choisit encore son modèle à l’estime. Je donnerais plus de crédit à un laboratoire qui publierait un coût moyen par tâche validée qu’à dix qui alignent des scores composites.
