Grok 4.6 vise les tâches agentiques longues : recevoir un grand objectif, comprendre un projet inconnu, explorer le code, proposer une architecture, modifier, vérifier et poursuivre en plusieurs itérations. Cursor souligne ses progrès sur les trajectoires longues, le prototypage et les projets visuels interactifs.
C’est pourquoi je le vois surtout comme un nouvel agent de travail dans Cursor.
Ce que montrent les benchmarks
La comparaison de Cursor est la plus intéressante : Grok 4.6 High face à Grok 4.5 High, GPT-5.6 Sol Max et Fable 5 Max.
| Test | Grok 4.6 High | Grok 4.5 High | GPT-5.6 Sol Max | Fable 5 Max |
|---|---|---|---|---|
| AA Intelligence Index | 61 | 56 | 61 | 62 |
| GDPVal-AA v2 | 1753 | 1526 | 1728 | 1741 |
| CursorBench v3.2 | 69.9 % | 66.7 % | 67.2 % | 70.5 % |
| DeepSWE v1.1 | 65.9 % | 54 % | 73 % | 70 % |
| FrontierCode v1.1 Extended | 61.3 % | 56.6 % | 60.6 % | 64.9 % |
| APEX-Agents | 57.5 % | 47.1 % | 56.7 % | 59.2 % |
| Terminal-Bench v3.0 | 26 % | 15.7 % | 34.6 % | 34.1 % |
| APEX-SWE | 56.4 % | 53.6 % | — | 58.8 % |
| AA-Briefcase | 1577 | 1313 | 1502 | 1574 |
| Harvey LAB (Vals) | 15.8 % | 12.9 % | 2.5 % | 11.3 % |
Sur l’indice général Artificial Analysis Intelligence Index Grok 4.6 obtient 61 points : autant que GPT-5.6 Sol Max et un point sous Fable 5 Max à 62. Grok 4.5 était à 56. Artificial Analysis souligne le gain de cinq points en une génération.
Les types de travail précis sont plus intéressants que l’indice global.
GDPVal-AA v2 : 1753. Il dépasse Fable 5 Max à 1741 et GPT-5.6 Sol Max à 1728. Le test porte sur des tâches intellectuelles réelles en mode agent, ce qui m’importe particulièrement. Artificial Analysis voit cette performance comme l’une de ses grandes forces.
Sur CursorBench v3.2 Grok 4.6 High atteint 69,9 % contre 66,7 %, 67,2 % et 70,5 % respectivement pour Grok 4.5, GPT-5.6 Sol Max et Fable 5 Max. L’écart avec Fable devient minime. Le CursorBench actuel donne même davantage à Grok 4.6 Extra High : 70,8 %, ce qui le place actuellement même au-dessus de Fable 5 Max et d’Opus 5 Max dans ce test. CursorBench repose sur des tâches ambiguës portant sur plusieurs fichiers, issues de véritables sessions Cursor : édition, refactoring, recherche d’erreurs, compréhension du code et utilisation d’outils.
D’autres modèles mènent certains tests, par exemple DeepSWE v1.1 Grok 4.6 obtient 65,9 %, contre 73 % pour GPT-5.6 Sol Max et 70 % pour Fable 5 Max. Sur Terminal-Bench v3.0 Grok atteint 26 %, contre 34,6 % pour GPT-5.6 et 34,1 % pour Fable.
Ailleurs, Grok est tout près des leaders : 61,3 % sur FrontierCode, 57,5 % sur APEX-Agents, 56,4 % sur APEX-SWE.
Autre résultat révélateur : AA-Briefcase : 1577. Fable 5 Max est à 1574, GPT-5.6 Sol Max à 1502 et Grok 4.5 était à 1313. Artificial Analysis le classe dans la catégorie Fable 5-tier et souligne son efficacité sur les tâches longues : moins d’étapes et de tokens d’entrée que certains modèles de pointe plus chers.
Même dans le test spécialisé Harvey LABlié au travail juridique agentique, le tableau Cursor donne à Grok 4.6 15,8 % , devant Fable 5 Max à 11,3 %, Grok 4.5 à 12,9 % et GPT-5.6 Sol Max à 2,5 %.
Je ne chercherais donc pas un vainqueur absolu. Le tableau est plus intéressant : Grok 4.6 rejoint le petit groupe dont les modèles échangent réellement la première place selon la tâche.
Et maintenant, le prix
Le tarif de base reste celui de Grok 4.5 : 2 $ par million de tokens d’entrée et 6 $ par million de tokens de sortie. Cursor propose aussi une version Fast deux fois plus chère. Artificial Analysis souligne le coût bien moindre à performances de pointe comparables.
Pour la première semaine, Cursor a activé pour Grok 4.6 2× usage dans Cursor et Grok Build, soit presque 50 % de réduction pour un utilisateur actif : environ deux fois plus de tâches pour le même quota inclus.
C’est là que cela devient particulièrement intéressant.
Un modèle proche de Fable 5 peut travailler sur vos projets, avec en plus un usage doublé actuellement.
Ce qui s’est passé après le lancement
Je l’utilise dans Cursor et l’ai presque immédiatement lancé sur mes dépôts et projets après l’e-mail de sortie.
Pas sur un simple Hello World, mais sur du code existant : structure, faiblesses, audit, refactoring et architecture globale.
Les premiers résultats me plaisent beaucoup.
Le mode audit fonctionne particulièrement bien en ce moment. Le modèle ne se limite pas à quelques remarques évidentes : il commence réellement à parcourir le projet de façon systématique. Après avoir étudié le dépôt, il produit Audit Canvas , une véritable carte des problèmes trouvés et des améliorations possibles. On y découvre une quantité surprenante de choses utiles : simplifications architecturales, logique dupliquée, anciennes solutions désormais supprimables, possibilités de vrai refactoring, problèmes de structure des composants et endroits que l’on peut soi-même ne pas remarquer pendant des mois.
Il comprend d’abord le projet en profondeur, puis propose des changements. Pour un gros dépôt vivant, c’est plus précieux que produire du beau code de zéro.
Je continue à chercher ses limites sur mes projets. Très bonne impression : Dans Cursor, Grok 4.6 donne déjà moins l’impression d’être un assistant auquel il faut distribuer de petites tâches que celle d’un autre ingénieur suffisamment solide pour prendre en charge tout un axe de travail.
Nous parlons moins du meilleur répondant et davantage de la part de vrai travail à confier entièrement à un agent pour voir le résultat au matin.
@nevsky_alexander
Sur Instagram, Dubaï au-delà de la carte postale : la famille, la ville, les trouvailles et la vie entre deux projets. Sur Threads, des réflexions à voix haute sur le design et l’IA. Sur YouTube, des vidéos qui ont besoin de plus de place qu’une story. Retrouvez-moi là où vous vous sentez bien, et gardons le contact