Grok 4.6 vs GPT-5.6 Sol: почти равны по качеству, но разница в цене — 5x

По Artificial Analysis Intelligence Index Grok 4.6 практически сравнялся с GPT-5.6 Sol: около 61 балла против 58,9. При этом выходные токены Sol обходятся в пять раз дороже. Однако выбор не сводится к прайс-листу: у Sol контекстное окно вдвое больше, а в агентных тестах он показывает более высокую эффективность.

Почти равны в общем рейтинге — но не во всём

Artificial Analysis Intelligence Index v4.1 объединяет в одну оценку задания на рассуждение, программирование и работу со знаниями. Согласно данным OpenAI, GPT-5.6 Sol набирает 58,9 балла. Для Grok 4.6 приводится результат около 61 — его сообщают участники сообщества со ссылкой на данные арены Artificial Analysis в публичных обсуждениях. Независимого подтверждения этой цифры пока нет, хотя она согласуется с тем, что Artificial Analysis относит Grok 4.6 к классу моделей, сопоставимых с Sol.

Единый композитный балл скрывает важные различия: размер контекстного окна, эффективность агентов и разброс результатов между бенчмарками. По опубликованным результатам OpenAI, Sol уверенно лидирует в агентных проверках — например, набирает 88,8% в Terminal-Bench 2.1 и 72,7% в DeepSWE v1.1. Независимых результатов Grok 4.6 в этих тестах пока нет. Intelligence Index говорит о близком общем уровне моделей, но в агентной работе картина может оказаться иной.

Цены API: вход дешевле в 2,5 раза, выход — в 5 раз

На странице API xAI для Grok 4.6 указаны $2.00 за миллион входных и $6.00 за миллион выходных токенов. На странице GPT-5.6 от OpenAI для Sol заявлены $5.00 за входные и $30.00 за выходные токены на миллион.

Если ежемесячная нагрузка составляет 50M входных и 10M выходных токенов, Grok 4.6 обойдётся в $160, а Sol — в $550. Разница составляет 3,4 раза ещё до учёта того, что режимы рассуждений Sol могут расходовать больше токенов на задачу.

У OpenAI есть и более доступные версии: GPT-5.6 Terra за $2.50/$15.00 и GPT-5.6 Luna за $1.00/$6.00 (30 июля 2026 года цена Luna была снижена на 80%). Luna стоит столько же, сколько Grok 4.6, по выходным токенам и дешевле по входным, но это меньшая модель с более низкими результатами во всех бенчмарках. Если сравнивать модели близкого интеллектуального уровня, корректная пара — Grok 4.6 и Sol. В ней преимущество Grok по стоимости весьма заметно.

Контекст: 500K токенов против 1M

Согласно странице API xAI, контекстное окно Grok 4.6 составляет 500K токенов. У Sol — около 1,05 миллиона, как указано в документации OpenAI. 500K токенов достаточно для обычной работы с компонентами, модулями и большинством задач на уровне сервиса. Окно в 1M становится важным, когда в один запрос нужно загрузить весь монорепозиторий, несколько крупных документов или длинную историю диалога. Если агенту требуется за один проход проанализировать 800K токенов кодовой базы, Sol справится, а Grok 4.6 — нет.

Важен и вопрос надёжности извлечения информации из длинного контекста. OpenAI сообщает, что Sol набирает 77,1% в GraphWalks BFS при контексте 1M токенов. Эквивалентных результатов Grok в тестах на извлечение из длинного контекста пока не опубликовано. Для сценария вроде «найти баг в кодовой базе на 600K токенов» преимущество Sol не ограничивается ёмкостью окна: имеет значение и способность модели действительно находить нужную информацию на такой глубине.

Кодинг и агенты: где модели действительно расходятся

Близость в Intelligence Index не повторяется во всех специализированных бенчмарках для программирования. Ниже приведены официальные результаты GPT-5.6 Sol от OpenAI и данные по Grok 4.5, опубликованные Fritz.ai, которые используются как ориентир. Независимые кодовые бенчмарки именно для Grok 4.6 ещё не опубликованы, поэтому колонку Grok следует воспринимать как данные предшественника, а не как прямое сравнение с Grok 4.6:

Наиболее показательны отрывы Sol в Terminal-Bench и DeepSWE. Terminal-Bench проверяет, способен ли агент завершать реальные задачи в терминале: устанавливать пакеты, запускать тесты, отлаживать сбои. DeepSWE оценивает полный цикл разработки по реальным задачам из GitHub. Преимущество Sol над Grok 4.5 в DeepSWE на 19,7 пункта указывает, что он существенно сильнее в сложных многошаговых задачах, где модели нужно планировать действия, выполнять их и восстанавливаться после ошибок. Насколько посттренировочные улучшения Grok 4.6 сократили этот разрыв, ещё предстоит выяснить.

Результаты бенчмарков показывают направление, но не выносят окончательный вердикт. На итог влияют агентная обвязка, инструменты, промпты и среда выполнения: модель с меньшим баллом в одном окружении может показать лучший результат в другом.

Не цена токена, а стоимость выполненной задачи

По тарифам преимущество Grok 4.6 выглядит убедительно, но агентные системы покупают не токены, а завершённые задачи. Если Sol решает задачу программирования за 3 000 выходных токенов, а Grok 4.6 требуется 6 000 токенов на ту же работу из-за повторных попыток, более длинных цепочек рассуждений или менее эффективного использования инструментов, разница в стоимости сокращается.

Диапазон хорошо показывает расчёт чувствительности по текущим ценам. Предположим, для кодовой задачи Sol нужны 10K входных и 4K выходных токенов, а Grok 4.6 — 12K входных и 8K выходных токенов. Это означает двукратное преимущество Sol по эффективности расхода токенов:

Даже при таком двукратном проигрыше по эффективности Grok 4.6 остаётся в 2,4 раза дешевле на одну задачу. Пользователи Reddit, ссылающиеся на Artificial Analysis в обсуждении, оценили стоимость одной задачи Intelligence Index для Grok 4.6 примерно в $0.86. Сохранится ли ценовое преимущество Grok при эффективности уровня Sol в вашей конкретной нагрузке, зависит от сложности задач и агентной обвязки.

Главный риск — не экономика токенов, а успешное завершение работы. Более высокие баллы Sol в Terminal-Bench и DeepSWE означают, что он справляется со сложными агентными задачами, где Grok может полностью провалиться и потребовать повторного запуска или вмешательства человека. Невыполненная задача при любой цене обходится дороже успешно выполненной.

Доступность и экосистема

Обе модели уже доступны не только через API собственного провайдера. Основные источники информации — страница API xAI и документация OpenAI:

Согласно документации xAI, Grok поддерживает и OpenAI, и Anthropic SDK: для миграции достаточно сменить API-ключ и endpoint. Для чувствительного или проприетарного кода политика OpenAI, при которой данные API и Business по умолчанию не используются для обучения, упрощает закупочные согласования. Пользователям Grok нужно самостоятельно отказаться от обучения на данных — об этом говорится в анализе конфиденциальности Fritz.ai.

Какую модель выбрать?

Самый надёжный способ выбрать модель — прогнать через оба API репрезентативную выборку ваших реальных задач. Сравнивайте долю успешно завершённых задач, медианную стоимость успешной задачи, число повторных попыток и задержку.

FAQ

Может, вместо Sol стоит сравнивать Grok 4.6 с GPT-5.6 Terra?

Terra ($2.50/$15.00) ближе к Grok 4.6 по цене, но уступает Sol во всех опубликованных бенчмарках: Intelligence Index — 55,0, Coding Agent Index — 77,4, Terminal-Bench — 87,4% (по данным OpenAI). Если сопоставлять модели по интеллектуальному уровню, честнее сравнивать Grok 4.6 с Sol. Если ориентироваться на цену, пара Grok 4.6 и Terra складывается в пользу Grok и по стоимости, и по бенчмаркам. Luna ($1.00/$6.00) дешевле обеих, но заметно жертвует качеством.

Подробный разбор характеристик и возможностей Grok 4.6 читайте в нашем гайде по Grok 4.6. А если вас интересует сравнение GPT-5.6 с более ранней версией Grok, в материале GPT-5.6 Sol vs. Grok 4.5 разобрана предыдущая пара моделей.