Grok 4.6 vs. Gemini 3.7 Flash: AI-priskrigen optrappes

Den 12. august 2026 udgav SpaceXAI (tidligere xAI, fusioneret med SpaceX i februar 2026) Grok 4.6, en frontlinje-model inden for ræsonnering og kodning, der ankom bare 35 dage efter Grok 4.5 . Lanceringen blev straks sammenlignet med rivaliserende modeller fra OpenAI og Anthropic — ikke kun på intelligens, men også på pris. Allerede dagen efter svarede Google igen med Gemini 3.7 Flash, hvilket optrappede det, der er blevet det afgørende slag i 2026's AI-landskab: priskrigen om udviklernes gunst.

Pris: Holder linjen, mens rivalerne skærer ned

Grok 4.6 fastholdt præcis samme prissætning som Grok 4.5 — $2,00 per million input-tokens og $6,00 per million output-tokens, med et 500K-token kontekstvindue og tekst- og billedinput . Hurtigere niveauer var tilgængelige til det dobbelte . Denne prissætning var cirka 60 % billigere end GPT-5.6 Sol eller Claude Opus 5 til listepris .

Til sammenligning lancerede Googles Gemini 3.7 Flash den 13. august til en introduktionspris på $0,75 per million input-tokens og $3,75 per million output-tokens — halv pris i forhold til forgængeren Gemini 3.6 Flash og cirka en tredjedel af prisen på Grok 4.6 . Googles introduktionstilbud løber frem til 31. december 2026, hvorefter prisen fordobles .

Forskellen i prissætning er slående: Grok 4.6 konkurrerer direkte med frontlinjemodeller som GPT-5.6 Sol og Claude Opus 5 på intelligens, mens Gemini 3.7 Flash er positioneret som en "arbejdshest"-model — med ydeevne, der kan sammenlignes med Claude Sonnet 5 og GPT-5.6 Terra til en markant lavere pris .

Benchmark-resultater: Grok 4.6 træder ind i frontlinjeklyngen

Grok 4.6 opnåede 61 på Artificial Analysis (AA) Intelligence Index, en sammensætning af ni evalueringer . Det er på niveau med GPT-5.6 Sol Max, et point bag Claude Fable 5 Max (62) og to bag Claude Opus 5 Max (63) — første gang en xAI-model sluttede sig til frontlinjeklyngen .

Benchmark	Grok 4.6 (Høj)	Grok 4.5 (Høj)	GPT-5.6 Sol Max	Fable 5 Max
AA Intelligence Index	61	56	61	62
GDPVal-AA v2 (Elo)	1753	1526	1728	1741
CursorBench v3.2	69,9 %	66,7 %	67,2 %	70,5 %
AA-Briefcase	1577	—	—	—

SpaceXAI rapporterede forbedringer i forhold til Grok 4.5 på alle evalueringer, herunder CursorBench, FrontierCode, APEX-Agents og Terminal-Bench . Uafhængig test fra Artificial Analysis bekræftede påstandene inden for en ubetydelig margin på 0,08 point .

Bemærkelsesværdigt nok var Grok 4.6's stærkeste uafhængige resultater inden for vidensarbejde-evalueringer — den førte feltet på GDPval-AA v2 (1753 Elo), AA-Briefcase (1577) og Harvey-benchmarket — hvilket tyder på, at modellen er særligt velegnet til professionelle vidensopgaver . Men på trods af at den markedsføres som en agentisk kodningsmodel, lå dens CursorBench v3.2-score (69,9 %) efter Fable 5 Max (70,5 %), selvom den slog GPT-5.6 Sol Max (67,2 %) .

Gemini 3.7 Flash præsterede til gengæld store fremskridt på kodnings- og agent-benchmarks. På FrontierCode v1.1 opnåede den 43,6 % for produktionsklar kodegenerering, op fra 34,4 % for 3.6 Flash og foran Claude Sonnet 5 (42,7 %) og GPT-5.6 Terra (41,3 %) . Den viste også store spring på DeepSWE v1.1 (49,0 % til 65,3 %) og AutomationBench (17,0 % til 30,4 %) .

Arkitektonisk tilgang: xhigh-ræsonnering og agentholdbarhed

Den væsentligste arkitektoniske tilføjelse til Grok 4.6 var et nyt xhigh-ræsonneringsniveau, en intensiv ræsonneringstilstand designet til de sværeste agentiske og kodningsopgaver . Modellen blev optimeret til langtidsholdbare agenter — den løser opgaver på cirka halvt så mange trin, som Claude Opus 5 har brug for, eller omkring en fjerdedel af input-tokens til den angivne pris . Denne effektivitetsfordel er efter sigende modens stærkeste salgsargument for udviklere, der kører flertimers kodningssessioner .

SpaceXAI tilskrev forbedringerne i Grok 4.6 til en længere supplerende træningskørsel og betydeligt forbedret supervised fine-tuning og reinforcement learning — ikke til en stigning i antallet af parametre . Modellen beholder den samme 1,5 billioner-parameter V9-fundament som Grok 4.5 .

Gemini 3.7 Flash introducerede til gengæld "konfigurerbare tænkningskonfigurationer" for at styre blandingen af kvalitet, omkostninger og latenstid og var den første Google-model, der muliggjorde agentisk videobehandling .

Vigtigste styrker og begrænsninger

Styrker ved Grok 4.6:

• Frontlinje-intelligens til 60–80 % lavere pris end konkurrerende frontlinjemodeller
• Overlegenhed inden for vidensarbejde — førende scorer på GDPval-AA og AA-Briefcase
• Opgaveeffektivitet — løser komplekse opgaver på langt færre agentiske trin end Opus 5
• Holdbart 500K kontekstvindue designet til flertimers kodningssessioner
• Uafhængig validering — benchmarks matchede uafhængige målinger inden for 0,08 point
• Hurtig iterationscyklus — bare 35 dage efter Grok 4.5

Begrænsninger ved Grok 4.6:

• Ikke nr. 1 på noget enkelt kodningsbenchmark — en smule efter Fable 5 på CursorBench (69,9 % vs. 70,5 %)
• Efter Claude Opus 5 på sammensat intelligens (61 vs. 63)
• Snævert anvendelsesfokus — primært optimeret til kodning og agentisk arbejde
• Uændret prissætning — ingen prissænkning ved lanceringen, mens konkurrenterne aggressivt skar ned

GitHub Copilot-integration: Udviklernes efterspørgsel i aktion

To dage efter lanceringen, den 14. august 2026, blev Grok 4.6 rullet ud i GitHub Copilot på tværs af alle større udviklingsoverflader :

• Tilgængelig på Copilot Pro, Pro+, Max, Business og Enterprise-niveauer
• Valgbar i modelvælgeren på tværs af otte overflader: VS Code, Visual Studio, JetBrains IDE'er, GitHub CLI, GitHub Mobile, GitHub.com chat, Copilot code review og GitHub Docs AI-søgning

GitHubs officielle changelog beskrev den som "designet til agentisk kodning og komplekse multi-step workflows" . Den hurtige integration signalerede stærk efterspørgsel på udviklerplatformen .

Konkurrencepositionering: To meget forskellige væddemål

Lanceringssekvensen den 12.–13. august afslører to forskellige konkurrencestrategier:

Grok 4.6 (SpaceXAI) — $2/$6 per MTok — Frontlinje-sammensat (AA Index 61) — 500K kontekst — Designet til agentisk kodning og vidensarbejde — Opgaveeffektivitetsfordel i forhold til Opus 5

Gemini 3.7 Flash (Google) — $0,75/$3,75 per MTok (introduktion) — Arbejdshest-niveau-ydeevne, der kan sammenlignes med Claude Sonnet 5 og GPT-5.6 Terra — 1M kontekstvindue — Første Gemini-model med agentisk videobehandling — Driver Gemini Spark

Grok 4.6 konkurrerer på intelligens til en rabat i forhold til frontlinjen, mens Gemini 3.7 Flash konkurrerer på pris til en rabat i forhold til arbejdshest-niveauet. Googles beslutning om at tilbyde Gemini 3.7 Flash til halv pris i forhold til forgængeren — og at undlade at give en udgivelsesdato for flagskibsmodellen Pro — tyder på en bevidst strategi om at erobre markedsandele på arbejdshest-niveauet .

Det væsentligste

Grok 4.6 bragte SpaceXAI tilbage til frontlinjen med succes, på niveau med GPT-5.6 Sol på sammensat intelligens til en betydeligt lavere pris, med en reel effektivitetsfordel til agentiske opgaver. Dens begrænsninger — ikke førende på noget enkelt kodningsbenchmark, bagud i forhold til Claude Opus 5 på sammensat intelligens og fastholdelse af prisen, mens rivaler skar ned — er reelle, men formindsker ikke præstationen.

Googles svar, der kom bare 24 timer senere, omrammede hele prisdialogen. Til cirka en tredjedel af prisen på Grok 4.6 tilbød Gemini 3.7 Flash stærk kodnings- og agent-ydeevne til en arbejdshest-pris — og med et 1M-token kontekstvindue. Konkurrencelandskabet er nu tydeligt todelt: frontlinje-intelligens til en rabat (Grok 4.6) versus arbejdshest-ydeevne til en slik (Gemini 3.7 Flash).

Udviklere og virksomheder står over for et reelt valg — ikke mellem godt og dårligt, men mellem to meget forskellige værditilbud. Den hurtige GitHub Copilot-integration af Grok 4.6 tyder på, at mindst én af dem allerede har fundet sit publikum.