xAI liberó Grok 4.6 el 12 de agosto con foco en agentes de larga duración, programación y trabajo visual. Mantiene la ventana de contexto de 500K tokens de la versión anterior y mejora de forma marcada en benchmarks de ingeniería de software y tareas agénticas. Acá van los números, el precio y qué cambia en la práctica.

Qué trae la versión

El titular más repetido —"500K de contexto"— merece una aclaración: la ventana no creció respecto de Grok 4.5, que ya estaba en 500K. Lo que mejoró es la capacidad del modelo de usar ese contexto y sostener tareas largas sin degradarse, que es un problema distinto y bastante más difícil.

Los saltos concretos frente a la versión anterior, según los datos publicados y recogidos por análisis independientes del lanzamiento:

• DeepSWE (ingeniería de software): de 54 a 65,9.

• APEX-Agents (tareas agénticas): de 47,1 a 57,5.

• Artificial Analysis Intelligence Index: 61, empatando con GPT-5.6 Sol.

La salvedad importante: al momento del lanzamiento no había réplicas independientes de esos números. Las cifras provienen de xAI o de comentaristas que las reproducen, así que conviene leerlas como indicativas y no como verificadas.

La ficha técnica y los límites vigentes están en la documentación oficial de modelos de xAI, que conviene chequear antes de dimensionar cualquier integración.

Precio y cómo se compara

Grok 4.6 se ubica en 2 dólares por millón de tokens de entrada y 6 por millón de salida. Ese posicionamiento es el dato más relevante para equipos que ya están gastando en API: coloca al modelo en el segmento intermedio, por debajo de los modelos tope de gama de la competencia, con un rendimiento reportado que compite en las tareas agénticas.

Para decidir sin depender de un solo lanzamiento, la comparativa entre las alternativas principales está en GPT-5.6 vs Claude Fable vs Gemini 3.5, que ordena precios y capacidades por caso de uso.

Cómo acceder

• API de xAI: el camino directo para integrarlo en aplicaciones propias. Requiere cuenta y clave.

• Cursor: disponible como modelo seleccionable en el editor, que es donde más rápido se nota la mejora en tareas de código sobre bases grandes.

• OpenRouter: útil si querés probarlo contra otros modelos sin cambiar la integración, porque unifica el acceso detrás de una sola interfaz.

• Interfaz de Grok: para evaluación rápida sin escribir una línea de código.

Qué cambia en la práctica

Para developers

El salto en DeepSWE apunta a un caso específico: trabajar sobre repositorios grandes donde el modelo necesita mantener presente la estructura del proyecto mientras edita varios archivos. Es exactamente donde los modelos anteriores se perdían.

Lo que no cambia: seguís necesitando revisar el output. Un contexto más grande reduce los errores por falta de información, no los errores de razonamiento. Y en bases de código legadas, un modelo que "ve todo" puede replicar patrones malos con más eficiencia que antes.

Para profesionales no técnicos

La ventana grande habilita algo concreto: cargar documentación extensa —contratos, reportes, transcripciones de varias reuniones— y trabajar sobre todo el conjunto sin fragmentarlo. Para análisis documental y síntesis, es la mejora más tangible.

Para equipos que construyen agentes

La mejora en APEX-Agents es la más relevante del lanzamiento. Los agentes fallan cuando pierden el hilo de una tarea de múltiples pasos, y ese es justamente el eje del release. Si tenés flujos agénticos que se rompían a mitad de camino, vale la pena reevaluarlos.

Cómo evaluarlo sin perder tiempo

Los benchmarks públicos sirven poco para decidir en un caso concreto. El método que sí funciona:

1. Armá un set de 20 a 30 tareas representativas de tu trabajo real, con la respuesta correcta conocida.

2. Corré el mismo set contra el modelo que usás hoy y contra el nuevo.

3. Compará calidad, costo total y latencia. Los tres, no solo el primero.

4. Decidí por caso de uso, no globalmente. Es habitual terminar con dos o tres modelos distintos según la tarea.

El ritmo de lanzamientos hace que cualquier ventaja de un modelo sobre otro dure semanas. Lo que conviene construir es el proceso de evaluación, no la lealtad a un proveedor.

Cursos recomendados de Coderhouse

• Curso de Introducción a la Inteligencia Artificial — para entender qué significan realmente contexto, benchmarks y parámetros antes de comparar modelos.

• Curso de AI Engineering — el nivel técnico: integrar modelos vía API, evaluar y optimizar costos.

• Curso de AI Agents — directamente alineado con lo que este lanzamiento mejora: agentes que sostienen tareas largas.

• Curso de Python — la base para trabajar con cualquier API de modelos sin depender de interfaces gráficas.

Preguntas frecuentes

¿Conviene migrar desde el modelo que uso hoy?

Solo si tus casos de uso caen en las áreas que mejoraron: código sobre bases grandes o agentes de múltiples pasos. Para tareas de escritura, resumen o clasificación simple, la diferencia probablemente no justifique el costo de migrar la integración.

¿Qué significa "500K de contexto" en términos prácticos?

Aproximadamente 350.000 a 400.000 palabras, o el equivalente a varios libros. En términos de código, una base mediana completa. Pero atención: que entre no significa que el modelo lo use todo con la misma precisión, y ese es el punto en el que las versiones se diferencian.

¿Los benchmarks son confiables?

Parcialmente. Sirven para ordenar el panorama general, pero muchos son publicados por el mismo laboratorio que lanza el modelo y no siempre hay réplica independiente. La única evaluación que importa para una decisión concreta es la que hacés con tus propias tareas.

¿Cuánto cuesta usarlo en un proyecto real?

Depende del volumen. A 2 y 6 dólares por millón de tokens, un asistente interno de uso moderado se mueve en decenas de dólares mensuales; un agente que procesa documentos largos a diario puede escalar rápido. Estimá con tokens reales antes de comprometerte con una arquitectura.

¿Necesito saber programar para aprovecharlo?

No para usarlo desde la interfaz o desde herramientas que ya lo integran. Sí para construir algo propio encima: ahí necesitás al menos manejo básico de Python y entender cómo funciona una API.