Model
.ai
vi följer öppna AI-modeller
Grok 4.6
SpaceXAI | 500 000 tokens kontext | $2.00/M indata, $6.00/M utdata. Grok 4.6 är en modell från SpaceXAI med topprestanda inom kodning, kunskapsarbete och STEM. Den efterföljs av [Grok 4.7](/x-ai/grok-4.7).
Guider för denna modell
Alla guider
Grok 4.6 är en modell med stängda vikter från xAI byggd för kodning, STEM och kunskapsintensivt arbete, med ett kontextfönster på 500 000 token och synförmåga. Den ligger en generation bakom nuvarande Grok 4.7, som har samma inmatningspris. Värd att överväga om du behöver stort kontextfönster och stark teknisk prestanda till en mellannivå-API-kostnad.

Känd för

  • Stark prestanda på kodnings- och STEM-uppgifter
  • 500 000 token kontextfönster hanterar mycket långa dokument
  • Synstöd tillsammans med textresonemang
  • Konkurrenskraftigt inmatningspris på $2,00 per miljon token

Se upp för

  • Endast stängda vikter – ingen lokal distribution, ingen offline-användning
  • Har ersatts av Grok 4.7, som du förmodligen bör använda istället
  • Utdata kostar $6,00 per miljon token; långa genereringar blir dyrt

Promptar att prova

Felsök en knepig funktion
Här är en Python-funktion som ska tolka nästlad JSON från ett API-svar och returnera en platt ordbok, men den tappar tyst nycklar när ett värde är null. Hitta buggen, förklara varför det händer och ge mig en korrigerad version med ett kort testfall.
Resonera kring ett STEM-problem
En satellit i en cirkulär bana på 400 km höjd avfyrar sina thrusters för att höja apogén till 1 200 km. Gå igenom delta-v-beräkningen för Hohmann-överföringen, ange varje antagande du gör och markera var verkliga faktorer skulle ändra svaret.
Analysera ett långt dokument
Jag klistrar in hela texten från en teknisk specifikation nedan. Identifiera varje krav som skapar beroende av ett externt system, lista dem i en tabell med avsnittsnummer och en rad sammanfattning av beroendet, och markera eventuella som verkar motsägelsefulla.

Jämför med

  • Grok 4.7
    Endast API-modell
    500,000 tokens kontext · $2.00/M indata, $6.00/M utdata
  • Grok 4.5
    Endast API-modell
    500,000 tokens kontext · $2.00/M indata, $6.00/M utdata
  • Grok Build 0.1
    Endast API-modell
    256,000 tokens kontext · $1.00/M indata, $2.00/M utdata
  • Grok 4.20 Multi-Agent
    Endast API-modell
    2,000,000 tokens kontext · $1.25/M indata, $2.50/M utdata
Fler textmodeller från x-ai

Vanliga frågor

Kan jag köra Grok 4.6 lokalt?
Nej. Grok 4.6 är endast tillgänglig via API; xAI har inte släppt öppna vikter, så lokal distribution är inte möjlig.
Vad kostar Grok 4.6 och hur stort är dess kontext?
Det kostar $2,00 per miljon inmatningstoken och $6,00 per miljon utdata-token, med ett kontextfönster på 500 000 token.
Hur skiljer sig Grok 4.6 från Grok 4.7?
Grok 4.7 är nyare generation och ersätter 4.6; båda har samma inmatningspris på $2,00, så det finns liten anledning att välja 4.6 för nya projekt.
Kaptens omdöme
En kapabel frontier-modell som redan blivit omsprungen av sin efterföljare – använd Grok 4.7 om du inte har särskilda skäl att låta bli.
Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.
Ranking badge
Updated Oct 22, 2026
Grok 4.6 på ModelTrends.ai: #329 Hottest AI model
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #64 Hottest Text / LLM model · #64 Hottest Text / LLM text model
Not this creator?
Popularitetstrend för Grok 4.6
Värmenpoäng sedan 12 Aug 2026
Värmescore
8,316°
Den här veckan
▲
10.3%
8,302° då, 8,316° nu
Den här månaden
▲
69.4%
8,244° då, 8,316° nu
Senaste året
n/a
Inte släppt/spårad än
Grok 4.6: Värmenpoäng sedan 12 Aug 20267,000°7,368°7,737°8,105°8,474°13 Aug26 Aug10 Sep23 Sep8 Oct22 Oct8,316°ModelTrends.ai
7,000°
Golvet
Skalan går från 0° till 9 999°. Allt under 7,000° är reserverat för modeller som ingen källa rapporterat om än, som får ett tillfälligt nummer där så listorna förblir kompletta. 7,000° är där mätta data börjar: en modell med riktiga data men nästan inga nedladdningar ligger på golvet, och mätningarna fyller graderna ovanför. Golvet säger inget om modellen; det gör bara graderna ovanför, och det är de som skiljer en modell från en annan.
+1,316°
OpenRouter-token
242,941,655,085 token som denna modell bearbetat via OpenRouter de senaste 30 dagarna, både prompts och svar. Varje 10,000,000 token räknas som en nedladdning i nedladdningsterm, totalt 24,294; token från senaste dagen räknas in i användningstakten. Källa: OpenRouter (openrouter.ai/rankings).
Visa detaljerad uppdelning
Varje siffra på den här sidan kan kontrolleras. Den här modellens heat-poäng är 8,316°, och här byggs den upp en ingrediens i taget, med löpande total efter varje: golvet, graderna varje källa lägger till, bonusen för modelltypen och vad vikternas ålder drar bort. Färgerna är banden i diagrammet ovan. Ordlistan i slutet förklarar varje term.
  1. 1
    Börja vid golvet.
    Varför 7,000° och inte noll: skalan går från 0° till 9 999°, och delen under 7,000° är reserverad för modeller som ingen källa rapporterat om än, som får ett tillfälligt nummer där så listorna förblir kompletta och aldrig rankas högre än en modell med data. 7,000° är där mätta data börjar. En modell med riktiga data men nästan inga nedladdningar ligger här; allt som följer är mätning, och utrymmet ovanför golvet rymmer tio tiofaldiga steg i nedladdningar på 300° vardera. Golvet är detsamma för varje modell, så det avgör inget; det gör graderna ovanför.
    7,000°
    löpande total
  2. 2
    Lägg till nedladdningarna.
    24,294 nedladdnings-ekvivalenter totalt, från OpenRouter-token. Tio gånger nedladdningarna ger samma 300°, så storlek spelar roll men tar aldrig över poängen.
    +1,316°
    8,316°
    löpande total
  3. =
    Heat-poängen.
    Var den här modellen står på varje lista på den här sidan. Ingenting annat ändrar den.
    8,316°
Ordlista: termerna som används här
Heat-poäng
Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet
De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter
Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala
Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden
Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet
Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad
Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder
Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde
Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter
Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token
En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint)
Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding
Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter
Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder
Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost
En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng
Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod)
En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend
Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell
Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.
Hur den här modellens popularitet har rört sig jämfört med resten av katalogen: dess tillväxt i nedladdningar, gillningar och användning under varje period, mätt mot en typisk modells tillväxt under samma period, med dess heat-poäng vid den tiden. Över den typiska tillväxten ses som en uppgång, under som en nedgång. Det förflutna rekonstrueras från dagens totalsummor, modellens första dag och dess uppmätta nedladdningshastighet där två mätningar finns; en modell som inte fanns i början av en period visar n/a.