Grok 4.6 vs 4.5: preços de cache, limites de API e testes NSFW

Uma versão mais nova só importa se mudar o resultado ou o custo do seu trabalho. Para um app de ficção que reenvia uma bíblia de personagens a cada requisição, o preço da entrada em cache é uma diferença concreta; para um prompt novo de vez em quando, não é.

O Grok 4.5 e o 4.6 têm os mesmos preços de entrada sem cache e de saída no SpicyAPI. A entrada em cache do Grok 4.5 é 40% mais barata. Ambos têm um teto de entrada de 500.000 tokens, as mesmas opções de raciocínio, imagens, JSON e ferramentas. Ambos concluíram todas as 22 requisições pontuadas em nossos testes de conteúdo de setembro de 2026. Comece com o 4.5 para uma bíblia de personagens reaproveitada em cache; considere o 4.6 para programação ou trabalho com ferramentas em várias etapas, em que seus benchmarks de agentes publicados melhoraram.

Preços exatos, incluindo a faixa longa

Os preços do SpicyAPI são em USD por milhão de tokens cobrados:

Exatamente 200.000 tokens de entrada no total usam a faixa mais alta. Os tokens em cache contam para esse limite, e a faixa selecionada vale para a requisição inteira. Os valores da faixa curta não são tarifas marginais para os primeiros 199.999 tokens de uma requisição mais longa.

Uma requisição a frio com 100.000 tokens de entrada sem cache e 2.000 tokens de saída cobrados custa $0,212 em qualquer uma das rotas. Se a entrada for, em vez disso, de 10.000 tokens sem cache e 90.000 em cache, com a mesma saída, ela custa $0,059 no 4.5 contra $0,077 no 4.6. Essa diferença é de $18,00 em 1.000 padrões de uso idênticos.

O exemplo com cache pressupõe 90.000 tokens de acerto de cache informados. Faça o orçamento pela tarifa sem cache até que o uso retornado mostre um acerto; conte cada token de entrada em uma única categoria e use a cobrança liquidada na conta final.

Não existe um modelo «abaixo de 200K» separado para escolher. Mantenha xai/grok-4.5/chat ou xai/grok-4.6/chat; a entrada total seleciona a faixa. Se uma bíblia de personagens crescer de 190K para 200K depois de adicionar definições de ferramentas e diálogo recente, essa chamada entra na faixa mais alta com o mesmo ID de modelo. Reduzir o orçamento de saída não traz a entrada de volta para baixo do limite.

O que o 4.6 muda além da tabela de preços

O alvo da melhoria é o trabalho de agentes de longa duração. Na avaliação de lançamento da xAI, com esforço High nas duas versões, o 4.6 obteve 69,9% contra 66,7% no CursorBench 3.2 e 65,9% contra 54,0% no DeepSWE 1.1. Isso dá a uma aplicação de programação ou de ferramentas em várias etapas um motivo para considerar o 4.6, mesmo com a tarifa de cache mais alta.

Comece as tarefas de rotina com esforço low ou medium. Mais raciocínio, mais turnos de ferramentas e mais histórico reenviado podem superar a diferença de tarifa por token, então compare o custo total para concluir a tarefa.

Os controles são em grande parte os mesmos

Defina max_tokens de acordo com o resultado pedido. Ele limita o texto visível, não os tokens de raciocínio. O raciocínio continua sendo cobrado como saída, então essa configuração sozinha não é um teto para a saída total; para controlar o custo, reduza o esforço e use limites de gasto da chave.

Não copie reasoning_effort: "none" do Grok 4.3. Se o seu requisito é nenhum raciocínio com um teto de entrada de um milhão de tokens, o 4.3 é uma opção distinta, e não uma configuração que se possa ativar nessas duas rotas.

O que sabemos sobre o suporte a conteúdo adulto

A avaliação do Grok 4.5 e a avaliação do Grok 4.6 registram os testes de conteúdo: 22 de 22 requisições pontuadas concluídas em cada um, incluindo todas as 7 requisições L4 de maior intensidade. Isso sustenta qualquer uma das rotas para ficção adulta.

Experimente primeiro no Playground

1. Abra o Grok 4.5 e mude para o Playground.
2. Cole o briefing do reencontro abaixo, defina o raciocínio Low e peça a cena curta.
3. Repita no 4.6 com o mesmo briefing e compare as vozes dos personagens e a quem pertence cada objeto.

Requisição para copiar: uma cena adulta não explícita

Este exemplo pede um diálogo romântico entre adultos fictícios, com extensão limitada e uma restrição de continuidade dos objetos. A mesma forma de requisição vale para qualquer uma das versões; ao testar a alternativa, mude apenas model.

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

Confira se a Mara continua dona da garrafa térmica e o Jon da maleta vermelha, e se o reencontro termina como pedido. O endpoint de chat atual é síncrono e usa campos de resposta compatíveis com a OpenAI.

Para verificações estruturadas de continuidade, adicione response_format: {"type":"json_object"} e instrua o modelo a retornar chaves explícitas, como prop_owners e conflicts. Faça o parse do objeto e compare seus donos com os fatos fornecidos. Para uso de ferramentas, preserve a mensagem completa do assistente com a chamada de ferramenta e devolva cada resultado da sua aplicação com o tool_call_id correspondente.

Deixe um Agent preparar a chamada

Para requisições de ficção repetidas, peça ao seu Agent de programação que use o SpicyAPI Skill: «Leia xai/grok-4.5/chat e depois adapte o exemplo à minha entrada; mostre a requisição antes de executar.» A consulta pela CLI é spicyapi models get xai/grok-4.5/chat --json; a consulta por MCP é spicyapi_model_get com model: "xai/grok-4.5/chat". As chamadas de chat usam um cliente compatível ou a API de chat; os comandos de tarefas de mídia não geram respostas de chat.

A qualidade da ficção adulta é uma questão diferente da aceitação

Os registros de 22 de 22 respondem se aqueles prompts foram atendidos nos níveis de conteúdo testados. Uma cena pode passar nessa verificação e ainda ter diálogo sem graça, ponto de vista inconsistente ou um personagem tomando uma decisão que o autor nunca quis. Nenhuma dessas diferenças de escrita pode ser resolvida por totais de aceitação iguais.

Na amostra do reencontro, uma resposta útil preserva a garrafa térmica da Mara e a maleta do Jon, dá consequências emocionais ao ano de separação e termina no sorriso compartilhado pedido. Uma resposta menos útil narra uma reconciliação inteira, dá aos dois personagens a mesma voz e explica cada sentimento antes de eles terem falado. A segunda pode conter frases mais polidas e, ainda assim, ser menos aproveitável para o beat pretendido.

Deixe a próxima revisão específica: «Mantenha o Jon reservado nas duas primeiras falas. Faça a Mara notar a alça consertada da maleta dele; ela lembra que estava quebrada quando se despediram. Termine antes de qualquer um prometer ficar.» Esta é uma instrução de escrita proposta, não uma constatação de que alguma das versões do Grok produziu a resposta fraca. Ela dá ao modelo algo que ele pode mudar sem inventar um enredo totalmente novo.

Comparações da comunidade também precisam de um limite de tarefa. Uma discussão do Cursor de 16 de setembro traz usuários que preferem o 4.5 em trabalho de interface e usuários satisfeitos com o 4.6. São experiências em uma aplicação de programação, não evidências comparáveis sobre ficção adulta por esta API. Elas ajudam a explicar por que o número da versão é um atalho fraco de compra; não contradizem nem substituem os testes de conteúdo acima.

Para uma requisição de cena a frio, as tarifas de entrada e saída listadas não dão vantagem de preço a nenhuma das versões. Para muitas respostas que reutilizam uma bíblia de personagens estável, a diferença na entrada em cache pode importar. Se não houver leituras em cache informadas, o desconto de cache anunciado não contribui em nada para essa chamada. Escolha o 4.5 pela vantagem documentada na tarifa de cache quando ela se aplicar, e escolha o 4.6 quando o resultado real de uma tarefa lhe der outro motivo. Este artigo não tem nenhum resultado de qualidade de prosa que estabeleça esse motivo de antemão.

Escolha pelo requisito real

• Briefing repetido e muitas respostas curtas: o 4.5 é a opção de menor tarifa para a parte em cache da entrada. Coloque o texto-fonte estável primeiro e confira o uso real.

• Principalmente requisições a frio: nenhum dos dois tem vantagem na tarifa por token. Considere o 4.6 para programação e ferramentas em várias etapas; para ficção, escolha a voz e o cumprimento de instruções que você preferir.

• Um pacote de fontes muito grande: ambos param em 500.000 tokens de entrada. Se o pacote passar disso, reduza-o ou considere o contrato diferente do 4.3. Nem o 4.5 nem o 4.6 aceitam um arquivo PDF para contornar o limite de entrada.

• Operações sequenciais: defina parallel_tool_calls: false quando o resultado de uma ferramenta precisar vir antes de outro. Valide os argumentos na sua aplicação antes de executar uma reserva, uma gravação ou outra ação externa.

• Orçamento de custo rígido: defina explicitamente o esforço e max_tokens e depois confira o uso real.

Correções de migração

Abra o 4.5 para ficção com histórico em cache, ou o 4.6 para um agente de várias etapas. A requisição acima funciona em qualquer um dos dois.

FAQ

O Grok 4.6 é mais caro que o 4.5?

Nesta comparação, só a entrada em cache tem tarifa mais alta: $0,50 contra $0,30 por milhão abaixo de 200K de entrada, e $1,00 contra $0,60 a partir desse limite. As tarifas de entrada a frio e de saída são idênticas. Um uso diferente de raciocínio ainda pode mudar a conta total.

Enviar a mesma bíblia de personagens garante uma entrada em cache mais barata?

Não. Um prefixo estável torna a reutilização possível; confira no uso retornado se houve de fato um acerto de cache.

Qual versão devo usar para roleplay sem censura?

Ambas concluíram as sete requisições L4 de seus conjuntos pontuados. Comece com o 4.5 para um histórico em cache repetido; continue com o 4.6 se ele trouxer uma melhoria concreta na caracterização ou no cumprimento de instruções no seu workflow.