Grok 4.6 vs 4.5 : prix du cache, limites d’API et tests NSFW

Une version plus récente ne compte que si elle change le résultat ou le coût de votre travail. Pour une application de fiction qui renvoie une bible de personnages à chaque requête, le prix de l’entrée en cache est une différence concrète ; pour un prompt neuf de temps en temps, ce n’en est pas une.

Grok 4.5 et 4.6 ont les mêmes prix d’entrée hors cache et de sortie sur SpicyAPI. L’entrée en cache de Grok 4.5 coûte 40 % de moins. Les deux acceptent un plafond d’entrée de 500 000 tokens, les mêmes niveaux de raisonnement, les images, le JSON et les outils. Les deux ont mené à bien les 22 requêtes notées de nos tests de contenu de septembre 2026. Commencez par 4.5 pour une bible de personnages mise en cache de façon répétée ; envisagez 4.6 pour le code ou le travail avec outils en plusieurs étapes, où ses benchmarks d’agents publiés se sont améliorés.

Tarifs exacts, y compris la tranche longue

Les prix de SpicyAPI sont en USD par million de tokens facturés :

Exactement 200 000 tokens d’entrée au total relèvent de la tranche supérieure. Les tokens en cache comptent dans ce seuil, et la tranche retenue s’applique à toute la requête. Les chiffres de la tranche courte ne sont pas des tarifs marginaux pour les 199 999 premiers tokens d’une requête plus longue.

Une requête à froid avec 100 000 tokens d’entrée hors cache et 2 000 tokens de sortie facturés coûte $0.212 sur l’une ou l’autre route. Si l’entrée se compose plutôt de 10 000 tokens hors cache et de 90 000 en cache, avec la même sortie, elle coûte $0.059 sur 4.5 contre $0.077 sur 4.6. Cet écart est de $18.00 pour 1 000 profils d’usage identiques.

L’exemple avec cache suppose 90 000 tokens de cache hit signalés. Budgétez au tarif hors cache tant que l’usage renvoyé n’indique pas de hit ; comptez chaque token d’entrée dans une seule catégorie et utilisez le montant réglé pour la facture finale.

Il n’existe pas de modèle « sous 200K » distinct à sélectionner. Gardez xai/grok-4.5/chat ou xai/grok-4.6/chat ; c’est l’entrée totale qui détermine la tranche. Si une bible de personnages passe de 190K à 200K après ajout des définitions d’outils et des dialogues récents, cet appel entre dans la tranche supérieure avec le même ID de modèle. Réduire le budget de sortie ne ramène pas l’entrée sous la limite.

Ce que 4.6 change au-delà du tableau des tarifs

L’amélioration vise le travail d’agent de longue durée. Dans l’évaluation de lancement de xAI, avec l’effort High sur les deux versions, 4.6 obtient 69.9 % contre 66.7 % sur CursorBench 3.2 et 65.9 % contre 54.0 % sur DeepSWE 1.1. Une application de code ou d’outils en plusieurs étapes a donc une raison d’envisager 4.6, même avec le tarif de cache plus élevé.

Commencez les tâches courantes avec l’effort low ou medium. Davantage de raisonnement, de tours d’outils et d’historique renvoyé peut l’emporter sur l’écart de tarif par token ; comparez donc le coût total pour terminer la tâche.

Les paramètres sont en grande partie les mêmes

Réglez max_tokens selon le livrable demandé. Il plafonne le texte visible, pas les tokens de raisonnement. Le raisonnement reste facturé comme de la sortie ; ce réglage seul ne constitue donc pas un plafond de la sortie totale. Pour maîtriser le coût, réduisez l’effort et utilisez les limites de dépense de la clé.

Ne copiez pas reasoning_effort: "none" depuis Grok 4.3. Si votre exigence est zéro raisonnement avec un plafond d’entrée d’un million de tokens, 4.3 est une option à part, et non un réglage que l’on peut activer sur ces deux routes.

Ce que nous savons de la prise en charge du contenu pour adultes

Le test de Grok 4.5 et le test de Grok 4.6 consignent les tests de contenu : 22 requêtes notées sur 22 menées à bien sur chacun, dont les 7 requêtes L4 de plus forte intensité. Cela soutient l’une ou l’autre route pour la fiction pour adultes.

Essayez d’abord dans le Playground

1. Ouvrez Grok 4.5 et passez au Playground.
2. Collez le brief des retrouvailles ci-dessous, réglez le raisonnement sur Low et demandez la courte scène.
3. Répétez sur 4.6 avec le même brief et comparez les voix des personnages et l’attribution des accessoires.

Requête à copier pour une scène adulte non explicite

Cet exemple demande un dialogue romantique entre adultes fictifs, avec une longueur bornée et une contrainte de continuité des accessoires. La même forme de requête est valable pour les deux versions ; ne changez que model pour essayer l’autre.

curl --fail-with-body https://api.spicyapi.ai/v1/chat/completions \
  -H "Authorization: Bearer $SPICY_API_KEY" \
  -H 'Content-Type: application/json' \
  -H "Idempotency-Key: $(uuidgen)" \
  -d '{
    "model": "xai/grok-4.5/chat",
    "reasoning_effort": "low",
    "max_tokens": 3000,
    "temperature": 0.7,
    "messages": [
      {"role": "system", "content": "Write non-graphic romantic dialogue between fictional adults. Preserve the supplied prop ownership. Keep the scene under 250 words."},
      {"role": "user", "content": "Mara, 32, and Jon, 35, meet at the last train. Mara owns a copper thermos; Jon owns a red case. They have not seen each other for a year. Write a warm reunion ending with a shared smile. Do not swap the props."}
    ]
  }' --output grok-scene.json

python3 - <<'PY'
import json
from pathlib import Path

def read_scene(reply: dict) -> str:
    choices = reply.get("choices") or []
    if reply.get("error") or not choices:
        raise RuntimeError("no successful reply")
    choice = choices[0]
    text = choice.get("message", {}).get("content")
    if choice.get("finish_reason") != "stop" or not isinstance(text, str) or not text.strip():
        raise RuntimeError("empty or incomplete scene")
    return text

print(read_scene(json.loads(Path("grok-scene.json").read_text())))
PY

Vérifiez que Mara possède toujours le thermos et Jon la mallette rouge, et que les retrouvailles se terminent comme demandé. L’endpoint de chat actuel est synchrone et utilise des champs de réponse compatibles OpenAI.

Pour des contrôles de continuité structurés, ajoutez response_format: {"type":"json_object"} et demandez au modèle de renvoyer des clés explicites comme prop_owners et conflicts. Analysez l’objet et comparez ses propriétaires aux faits fournis. Pour l’usage d’outils, conservez le message complet de l’assistant contenant l’appel d’outil et renvoyez chaque résultat de votre application avec le tool_call_id correspondant.

Laissez un Agent préparer l’appel

Pour des requêtes de fiction répétées, demandez à votre Agent de code d’utiliser le SpicyAPI Skill : « Lis xai/grok-4.5/chat, puis adapte l’exemple à mon entrée ; montre la requête avant de l’exécuter. » La consultation via la CLI est spicyapi models get xai/grok-4.5/chat --json ; la consultation via MCP est spicyapi_model_get avec model: "xai/grok-4.5/chat". Les appels de chat passent par un client compatible ou l’API de chat ; les commandes de tâches média ne génèrent pas de réponses de chat.

La qualité de la fiction pour adultes est une autre question que l’acceptation

Les résultats 22 sur 22 indiquent si ces prompts ont été satisfaits aux niveaux de contenu testés. Une scène peut passer cette vérification et avoir tout de même un dialogue plat, un point de vue incohérent ou un personnage qui prend une décision que l’auteur n’a jamais voulue. Aucune de ces différences d’écriture ne peut être tranchée par des totaux d’acceptation identiques.

Pour l’exemple des retrouvailles, une réponse utile préserve le thermos de Mara et la mallette de Jon, donne des conséquences émotionnelles à l’année de séparation et s’achève sur le sourire partagé demandé. Une réponse moins utile raconte toute une réconciliation, donne la même voix aux deux personnages et explique chaque sentiment avant même qu’ils aient parlé. La seconde peut contenir des phrases plus soignées tout en étant moins exploitable pour le beat visé.

Rendez la révision suivante précise : « Garde Jon sur la défensive pendant les deux premières répliques. Fais remarquer à Mara la poignée réparée de sa mallette ; elle se souvient qu’elle était cassée quand ils se sont quittés. Termine avant que l’un des deux ne promette de rester. » Il s’agit d’une consigne d’écriture proposée, et non du constat que l’une des deux versions de Grok a produit la réponse faible. Elle fournit au modèle un élément qu’il peut modifier sans inventer une intrigue entièrement nouvelle.

Les comparaisons de la communauté ont aussi besoin d’une limite de tâche. Une discussion Cursor du 16 septembre contient des utilisateurs qui préfèrent 4.5 pour le travail d’interface et des utilisateurs satisfaits de 4.6. Ce sont des expériences dans une application de code, pas des preuves comparables sur la fiction pour adultes via cette API. Elles aident à expliquer pourquoi un numéro de version est un mauvais raccourci d’achat ; elles ne contredisent ni ne remplacent les essais de contenu ci-dessus.

Pour une requête de scène à froid, les tarifs d’entrée et de sortie listés ne donnent aucun avantage de prix à l’une ou l’autre version. Pour de nombreuses réponses réutilisant une bible de personnages stable, l’écart sur l’entrée en cache peut compter. Si aucune lecture en cache n’est signalée, la remise de cache annoncée n’apporte rien à cet appel. Choisissez 4.5 pour l’avantage documenté sur le tarif de cache lorsqu’il s’applique, et 4.6 lorsqu’un résultat de tâche réel vous donne une autre raison. Cet article ne contient aucun résultat de qualité de prose qui établirait cette raison à l’avance.

Choisir selon le besoin réel

• Brief répété et nombreuses réponses courtes : 4.5 est l’option au tarif le plus bas pour la partie en cache de l’entrée. Placez le texte source stable en premier et vérifiez l’usage réel.

• Surtout des requêtes à froid : aucune n’a d’avantage de tarif par token. Envisagez 4.6 pour le code et les outils en plusieurs étapes ; pour la fiction, choisissez la voix et le respect des consignes que vous préférez.

• Un très gros dossier source : les deux s’arrêtent à 500 000 tokens d’entrée. Si le dossier dépasse cette limite, réduisez-le ou envisagez le contrat différent de 4.3. Ni 4.5 ni 4.6 n’acceptent un fichier PDF pour contourner la limite d’entrée.

• Opérations séquentielles : réglez parallel_tool_calls: false lorsqu’un résultat d’outil doit précéder un autre. Validez les arguments dans votre application avant d’exécuter une réservation, une écriture ou toute autre action externe.

• Budget de coût strict : réglez explicitement l’effort et max_tokens, puis vérifiez l’usage réel.

Corrections de migration

Ouvrez 4.5 pour une fiction avec historique en cache, ou 4.6 pour un agent en plusieurs étapes. La requête ci-dessus fonctionne sur l’une comme sur l’autre.

FAQ

Grok 4.6 est-il plus cher que 4.5 ?

Seule l’entrée en cache a un tarif plus élevé dans cette comparaison : $0.50 contre $0.30 par million sous 200K d’entrée, et $1.00 contre $0.60 à partir de ce seuil. Les tarifs d’entrée à froid et de sortie sont identiques. Une utilisation différente du raisonnement peut toutefois modifier la facture totale.

Envoyer la même bible de personnages garantit-il une entrée en cache moins chère ?

Non. Un préfixe stable rend la réutilisation possible ; vérifiez dans l’usage renvoyé qu’il y a bien eu un cache hit.

Quelle version utiliser pour un roleplay sans censure ?

Les deux ont mené à bien les sept requêtes L4 de leurs jeux notés. Commencez par 4.5 pour un historique en cache répété ; gardez 4.6 s’il apporte une amélioration concrète de la caractérisation ou du respect des consignes dans votre workflow.