SpaceXAI, uzun soluklu ajan görevlerine odaklanan Grok 4.6'yı yayımladı

Ne oldu?#

SpaceXAI, 12 Ağustos 2026'da Grok 4.6'yı yayına aldı. Şirketin sürüm notlarında model kimliği grok-4.6 olarak geçiyor; bağlam penceresi 500 bin token, girdi olarak metin ve görsel kabul ediliyor, çıktı metin. Model düşük, orta, yüksek (varsayılan) ve çok yüksek olmak üzere dört akıl yürütme çabası seviyesini destekliyor.

Şirket sürümü tek bir yetenek sıçraması olarak değil, Grok 4.5 üzerine uzatılmış ek eğitim, güçlendirilmiş mühendislik verisi ve genişletilmiş pekiştirmeli öğrenmeyle kurulan bir basamak olarak anlatıyor. Model, ilk günden Cursor'da ve şirketin kendi geliştirme aracı Grok Build'de açıldı; ayrıca API ile OpenRouter, Vercel ve Cloudflare üzerinden erişilebiliyor. Görsel tarafta grok-imagine-image-2.0 aynı ay otomatik kalite, beş referans görsel ve yeni en-boy oranlarıyla güncellendi; grok-voice-think-fast-2.0 ise temmuzda yayımlanmıştı.

Neden önemli?#

2026 yazında sınırdaki modeller arasındaki fark tek bir puana indi. Artificial Analysis'in zekâ endeksinde Grok 4.6'nın 61 puanla GPT-5.6 Sol ile eşitlenmesi ve Claude Fable 5 Max'ın yalnızca bir puan gerisinde kalması, model seçiminde "hangisi daha akıllı" sorusunun ayırt ediciliğini kaybettiğini gösteriyor. Ayırt edici olan artık fiyat, bağlam, gecikme ve modelin hangi geliştirme ortamına gömülü geldiği.

500 bin tokenlık pencere, tek bir oturumda büyük bir kod tabanını ya da uzun bir belge kümesini taşımaya yetiyor; ancak fiyatlandırma bu pencereyi kademeli kullanıyor. 200 bin token eşiğinin üzerindeki istemlerde birim fiyat ikiye katlanıyor. Yani uzun bağlam teknik olarak açık, ekonomik olarak bir tasarım kararı: pencereyi doldurmak yerine hangi parçanın gerçekten gerektiğini seçmek doğrudan fatura kalemine dönüşüyor.

Teknik ayrıntı#

• Artificial Analysis zekâ endeksi: 61 puan — en yüksek akıl yürütme ayarındaki GPT-5.6 Sol ile aynı, Claude Fable 5 Max'ın bir puan gerisinde. Bu ölçüm üçüncü taraf kaynaklı.
• Şirketin duyurduğu diğer skorlar: GDPVal-AA v2 için 1753, AA-Briefcase için 1577, CursorBench v3.2 için %69,9, DeepSWE v1.1 için %65,9, FrontierCode v1.1 (Extended) için %61,3.
• Ajan tarafındaki skorlar: APEX-Agents %57,5, APEX-SWE %56,4, Terminal-Bench v3.0 %26. Sonuncusu, ajan testlerinin mutlak seviyesinin kodlama skorlarının hayli altında kaldığını hatırlatıyor.
• Duyuruda öne çıkarılan kullanım senaryosu uzun soluklu ajanlar: çok adımlı, uzun süren görevlerde bağlamı ve hedefi koruyabilmek.
• Daha hızlı çalışan sürüm standart fiyatın iki katına satılıyor; Cursor ve Grok Build kullanıcılarına ilk hafta iki kat kullanım hakkı veriliyor.

Kimleri etkiliyor?#

Sinaptik yorumu#

Grok 4.6'nın anlattığı şey modelden çok pazarın kendisi. Sınırdaki üç modelin tek bir puanla ayrıldığı bir tabloda "en iyi model" sorusu ölçüm belirsizliğinin içine düşüyor; farkı yaratan, modelin hangi araca gömülü geldiği ve ne kadara mal olduğu oluyor. Sürümün ilk gün Cursor ve Grok Build'de açılması bu yüzden skor tablosundan daha belirleyici: geliştirici çoğu zaman model seçmiyor, çalıştığı editörü seçiyor ve model onunla birlikte geliyor. Duyurudaki skorların çoğu sağlayıcının kendi ölçümü olduğundan bizim ölçütümüz tek bir sayı değil: aynı görevi 4.5 ve 4.6 ile koşturup zincirin kaçıncı adımında saptığına bakmak. Terminal-Bench'teki %26, sınırdaki modellerin uzun ajan zincirlerinde hâlâ nerede durduğunu puan tablolarından daha iyi anlatıyor.