Grok 4.6 scoort 1753 ELO — wat betekent dat voor de prijs van AI?

TL;DR

• Wat: xAI brengt Grok 4.6 uit met een ELO-score van 1753 op de GDPVal-benchmark, waarmee het zich tussen de beste AI-modellen ter wereld nestelt.
• Waarom relevant: de prijs per taak daalt fors — vergelijkbare kwaliteit als de duurste modellen, voor de helft van het geld.
• Wat je ermee kunt: als je AI-tools via een API afneemt of overweegt, vergelijk dan niet alleen kwaliteit maar ook kosten per taak.

Vandaag kwam ik een tweet van Elon Musk tegen waarin hij de score van Grok 4.6 deelde: 1753 ELO. Dat klinkt misschien als een abstract getal, maar als ik naar de context kijk, vind ik het vooral interessant om wat het zegt over de prijs van slimme AI.

Wat is er precies gelanceerd?

xAI — het AI-bedrijf achter Grok — heeft op 12 augustus 2026 versie 4.6 van hun model uitgebracht. Het is de opvolger van Grok 4.5 en draait op dezelfde architectuur van 1,5 biljoen parameters. De verbetering zit niet in schaalvergroting, maar in betere fijnafstemming: het model is slimmer gemaakt met dezelfde hardware.

De score van 1753 komt van de GDPVal-AA v2 benchmark. Dat is een maatstaf die meet hoe goed een AI-model presteert op kenniswerk uit de echte wereld — denk aan complexe vragen beantwoorden, documenten analyseren en taken over meerdere stappen uitvoeren. Om het in perspectief te plaatsen: het vorige model (Grok 4.5) scoorde 56 op een gerelateerde index. Grok 4.6 scoort nu 61. Dat is een sprong van vijf punten in één release.

Volgens analyses van Artificial Analysis en CryptoBriefing staat Grok 4.6 daarmee op het niveau van GPT-5.6 Sol Max van OpenAI (dat 1728 scoort op dezelfde benchmark) en vlak onder Claude Opus 5 van Anthropic.

Hoe verhoudt het zich tot de concurrentie?

Ik vind het eerlijk gezegd fascinerend om te zien hoe dicht de topmodellen bij elkaar kruipen. Hier een beknopt overzicht op basis van de beschikbare benchmarks:

Waar Grok 4.6 sterk scoort

• CursorBench v3.2 (een coderingsmaatstaf): 69,9% — tegenover 67,2% voor GPT-5.6 Sol Max.
• FrontierCode v1.1 Extended: 61,3% tegenover 60,6%.
• APEX Agents (een test voor meertrapsredenen): 57,5% tegenover 56,7%.

Waar het achterblijft

• DeepSWE v1.1 (complexe softwaretaken): 65,9% tegenover 73% voor GPT-5.6 Sol Max.
• Terminal Bench v3.0: 26% tegenover 34,6%.

Wat mij hier opvalt: geen enkel model is overal de beste. Grok 4.6 is sterk in coderen en agentachtige taken — situaties waarin de AI meerdere stappen achter elkaar uitvoert. Maar op diepgaande softwareontwikkeling loopt het nog achter op OpenAI's model. Dat is nuttig om te weten, want welk model het beste bij je past, hangt af van wat je er precies mee doet.

De prijs is misschien wel het echte verhaal

En hier wordt het voor ondernemers pas echt interessant. Grok 4.6 kost via de API $2 per miljoen input-tokens en $6 per miljoen output-tokens. Ter vergelijking: Claude Opus 5 van Anthropic kost $5/$25 voor dezelfde eenheden.

Laat me dat even vertalen naar iets tastbaars. Een "token" is ruwweg driekwart van een woord. Een miljoen input-tokens is dus ongeveer 750.000 woorden — zo'n tien dikke boeken aan tekst die je het model instuurt. Voor twee dollar.

Maar het gaat niet alleen om de tokenprijs. Volgens Artificial Analysis lost Grok 4.6 taken met een lange horizon op in gemiddeld 53 stappen, terwijl Claude Opus 5 daar zo'n 103 stappen voor nodig heeft. Dat betekent dat je per taak ook nog eens minder tokens verbruikt. De kosten per taak komen daarmee uit op zo'n $0,84.

Kun je je voorstellen wat dit betekent als je AI inzet voor klantenservice, documentverwerking of het analyseren van data? De kwaliteit van de output zit inmiddels bij alle topmodellen in dezelfde bandbreedte, maar het prijsverschil kan oplopen tot zestig procent. Voor een ondernemer die maandelijks duizenden AI-taken draait — denk aan een e-commercebedrijf dat productbeschrijvingen genereert, of een administratiekantoor dat facturen verwerkt — is dat een behoorlijk verschil op de rekening.

Wat betekent dit breder voor de markt?

Ik denk dat we hier een trend zien die voor ondernemers relevanter is dan de ELO-score zelf. De topmodellen worden niet alleen slimmer, ze worden ook goedkoper. En dat gaat snel.

Een half jaar geleden was een model op dit kwaliteitsniveau nog twee tot drie keer zo duur. De concurrentie tussen xAI, OpenAI, Anthropic en partijen als Qwen (van Alibaba) duwt de prijs omlaag. Dat is vergelijkbaar met wat er in de jaren negentig met internettoegang gebeurde: de technologie werd niet alleen beter, maar ook betaalbaar genoeg om breed in te zetten.

Voor MKB-ondernemers die nu AI overwegen, verschuift de vraag daarmee langzaam van "Kan ik dit betalen?" naar "Welk model past het beste bij mijn specifieke toepassing?" De antwoorden op die tweede vraag zijn genuanceerder en vragen om testen — maar het is wel een luxeprobleem vergeleken met een jaar geleden.

Een kanttekening over benchmarks

Ik wil hier wel iets bij zeggen: benchmarks vertellen niet het hele verhaal. Een ELO-score op GDPVal meet specifieke taken onder gecontroleerde omstandigheden. Hoe een model presteert in jouw bedrijfsproces — met jouw data, jouw klanten, jouw taalgebruik — kan anders uitpakken. Ik zou zelf altijd willen zien hoe een model presteert op een klein stuk echt werk voordat ik er processen op bouw.

Een reflectie

Voor mij is dit vooral een signaal dat AI-kwaliteit steeds meer een commodity wordt. De grote verschillen zitten niet meer in "slim genoeg" — alle topmodellen zijn dat inmiddels. De verschillen zitten in prijs, snelheid, en hoe goed een model past bij een specifieke taak. Dat maakt het kiezen lastiger, maar het maakt AI als bedrijfsmiddel ook een stuk toegankelijker. En dat is, wat mij betreft, het belangrijkste nieuws van vandaag.