Grok 4.6 voor data-analyse: wat is er nieuw, prijzen en alternatieven (2026)

Grok 4.6 verscheen op 12 augustus 2026. xAI omschrijft het als een stap vooruit op twee gebieden: langlopende agents en ambitieuzer interactief en visueel werk. De prijzen beginnen bij $2 per miljoen input-tokens en $6 per miljoen output-tokens, met een snelle variant voor het dubbele daarvan.

Voor iedereen wiens werk eindigt in een grafiek of een rapport, is de interessante term "visueel werk". Het is ook de term waar de aankondiging het minst over zegt.

Deze gids behandelt wat er is uitgebracht en hoe de prijsstelling eruitziet. Vervolgens bespreken we wat de claim over agents betekent voor datawerk, en waar een sterker model niet langer de bottleneck is.

Wat is er nieuw in Grok 4.6

De aankondiging is kort en specifiek over de intentie. Grok 4.6 "bouwt voort op Grok 4.5 met een specifieke focus op langlopende agents en ambitieuzer interactief en visueel werk."

Daarna volgt de claim over het gedrag. Het model "blijft gefocust op complexe taken over vele stappen heen." De genoemde voorbeelden zijn het onderzoeken van een onderwerp, het analyseren van informatie, het werken in een codebase en het omzetten van een idee in een gepolijste applicatie.

Let op de opbouw van die zin. Drie van de vier voorbeelden zijn onderzoek, analyse en code. Het vierde is het bouwen van een applicatie, wat heel ander werk is dan het maken van een presentatie.

Wat betreft metingen stelt xAI dat Grok 4.6 op gelijke hoogte staat met GPT-5.6 Sol op de Artificial Analysis Intelligence Index met een score van 61. De andere genoemde evaluaties zijn CursorBench, DeepSWE en FrontierCode.

Die drie zijn benchmarks voor coderen. Het zijn legitieme metingen. Ze vertellen je echter niet hoe het model omgaat met een rommelige spreadsheet. Onthoud dat voordat je een score als een belofte beschouwt.

Twee woorden in die formulering verdienen het om apart bekeken te worden. "Langlopend" gaat over volharding over verschillende stappen heen, wat meetbaar is. "Visueel werk" is vager, en de aankondiging definieert niet wat als visuele output telt en toont ook geen voorbeeld.

De vorige versie is de nulmeting. xAI presenteert 4.6 als een voortbouw op Grok 4.5, dus dit is een incrementele verbetering in plaats van een nieuwe architectuur.

Prijzen en beschikbaarheid

Onderdeel	Wat xAI stelt
Standaardprijzen	$2 per miljoen input-tokens, $6 per miljoen output-tokens
Snelle variant	Tweemaal de standaardprijs
Beschikbaar in	Cursor en Grok Build, plus de API
Partners	OpenRouter, Vercel, Cloudflare
Lanceringsaanbieding	2x inbegrepen verbruik in Grok Build en Cursor gedurende de eerste week

Twee dingen zijn het waard om zorgvuldig te lezen. De prijzen zijn per token, dus ze beschrijven API-verbruik in plaats van een prijs per licentie voor een zakelijke gebruiker. En de lanceringsaanbieding wordt gepresenteerd als een regeling voor de eerste week, dus beschouw deze als tijdelijk.

Als je team modellen gebruikt via een product in plaats van via de API, is deze prijsstelling niet het bedrag dat op je factuur komt te staan.

Er is nog een tweede detail dat opvalt in de rij over beschikbaarheid. De genoemde lanseringsomgevingen zijn een code-editor en een ontwikkelomgeving, wat je vertelt voor wie deze release is ontworpen. Niets op de lijst is een tool voor een business analyst.

Let ook op wat de tabel niet bevat. Er staat geen cijfer over het context-window in de aankondiging, en geen prijs per licentie of per gebruiker. Beide zijn open vragen voor iedereen die een uitrol budgetteert.

Wat "langlopende agents" betekenen voor datawerk

De claim gaat over volharding over verschillende stappen heen, en dat is inderdaad belangrijk voor analyses. De meeste echte vragen zijn ketens in plaats van losse queries.

Een concreet voorbeeld. Je vraagt welke regio is gekrompen, en vervolgens of die krimp bij één product ligt. Daarna vraag je of hetzelfde patroon zich vorig jaar voordeed, en hoe een gecorrigeerde grafiek eruitziet. Elk antwoord verandert de volgende vraag.

Een model dat bij stap drie de draad kwijtraakt, dwingt je om de context herhaaldelijk opnieuw uit te leggen. Een model dat de draad vasthoudt, laat de keten afronden, wat een echte verbetering is in hoe het werk aanvoelt.

Wat volharding niet doet, is beslissen welke keten het waard is om te volgen. Dat oordeel blijft liggen bij de persoon die weet waarom de vraag überhaupt is gesteld.

Er is een praktische versie hiervan die je zelf kunt testen. Tel hoeveel vervolgvragen je laatste echte analyse nodig had voordat er iets uitkwam dat het tonen waard was. Als het antwoord meer dan vier is, is volharding een functie die je zeker zult merken.

Wat er niet door verandert

Drie dingen worden niet beïnvloed door een beter model, en ze verwarren met modelkwaliteit is een veelgemaakte fout.

Je data moet nog steeds kloppen. Een model dat goed redeneert over een kolom met twee verschillende datumnotaties, zal een zelfverzekerd antwoord geven over de verkeerde gegevens.

Er moet nog steeds overeenstemming zijn over definities. Als marketing en finance een actieve klant anders tellen, lost geen enkel model dat op. Het zal antwoorden op basis van de definitie die het heeft afgeleid.

Het eindproduct moet nog steeds verdedigbaar zijn. Iemand zal vragen waar een cijfer vandaan komt. Dat antwoord hangt af van je workflow, niet van het model dat erachter zit.

De vraag moet nog steeds de juiste zijn. Een model dat nauwkeurig antwoordt, geeft antwoord op wat je ook maar hebt gevraagd, inclusief een vraag die de plank misslaat. De formulering blijft de stap met de meeste impact en de minste automatisering.

Waar een sterker model niet langer helpt

Modelcapaciteit en de analyse-workflow zijn verschillende bottlenecks. De meeste teams worden beperkt door de tweede.

De kloof wordt op een specifieke manier zichtbaar. Je krijgt een goed antwoord in een chatscherm. Vervolgens ben je twintig minuten bezig om dat over te zetten naar een grafiek, een slide en een samenvatting. Tegen de tijd dat het een lezer bereikt, is het spoor terug naar de bron verdwenen.

Dat is het deel waar Powerdrill Bloom omheen is gebouwd. Je uploadt het bestand en verkent het op een canvas, waarbij elke grafiek gekoppeld blijft aan de achterliggende data. Het canvas wordt in één stap omgezet in slides, met exportmogelijkheden naar PowerPoint of Notion.

De eerlijke conclusie is dat dit geen concurrerende claim is over intelligentie. Het is een claim over de afstand tussen een antwoord en een eindproduct waar iemand daadwerkelijk actie op kan ondernemen.

Dit onderscheid is ook belangrijk voor het budgetteren. Investeren in een beter model verbetert het antwoord. Investeren in de weg van antwoord naar eindproduct verhoogt hoe vaak een antwoord leidt tot een beslissing, en dat zijn twee verschillende problemen.

Alternatieven die het waard zijn om te kennen

De modelkeuze is minder belangrijk dan de meeste vergelijkingen doen vermoeden, omdat de workflow rondom het model meestal de doorslag geeft.

Als je dit wilt	Kijk naar
Directe API-toegang tegen een lage tokenprijs	Grok 4.6 en zijn directe concurrenten
Een kant-en-klare grafiek, rapport of presentatie op basis van een bestand	Een data-first agent
Het huidige aanbod van alternatieven voor Grok	Ons overzicht van Grok-alternatieven voor data-analyse

Dat overzicht is geschreven voor een eerdere versie, dus lees het vooral om een beeld te krijgen van het landschap en niet zozeer voor de huidige versienummers.

Nog een valkuil om te vermijden: een model kiezen op basis van de indexpositie van deze maand veronderstelt dat de ranglijst stabiel is, en dat is al twee jaar niet meer het geval. Kies op basis van wat je moet opleveren.

Voor wie dit bedoeld is

Grok 4.6 is gericht op mensen die bovenop een model bouwen. De lanseringsomgevingen laten dat duidelijk zien: Cursor, Grok Build, the API en drie infrastructuurpartners.

Als je een business analyst bent met een exportbestand en een deadline, is deze release eerder achtergrondinformatie dan een verandering van je tools. De versie die jou bereikt, zal verschijnen binnen het product dat je al gebruikt.

Dit is geen kritiek op de release. Modelaanbieders leveren eerst aan ontwikkelaars omdat daar de integratie plaatsvindt, en zakelijke tools nemen de verbetering een paar weken later over.

Conclusie

Grok 4.6 verscheen op 12 augustus 2026, met prijzen van $2 en $6 per miljoen tokens. De aangegeven focus ligt op langlopende agents en meer visueel werk. De genoemde benchmarks neigen naar coderen, dus de claim over visueel werk blijft in het openbaar grotendeels onbewezen.

Voor datawerk is de nuttige vraag niet welk model deze maand vooroploopt. Het is de vraag of je antwoord kan worden omgezet in een grafiek, een slide en een lezer kan bereiken zonder de bron te verliezen. Probeer Powerdrill Bloom op een bestand dat je al hebt. Bekijk ook onze pagina's over de data visualization tool en auto insights.

Let de komende tijd op twee dingen: of xAI een voorbeeld van visueel werk publiceert, en of de producten die je al gebruikt de nieuwe versie overnemen.

Feiten gecontroleerd aan de hand van de officiële xAI-aankondiging op 13 augustus 2026. De prijzen en beschikbaarheid van modellen veranderen snel, dus controleer de bron voordat je cijfers citeert.

Veelgestelde vragen

Wat is er nieuw in Grok 4.6?

xAI beschrijft een focus op langlopende agents en ambitieuzer interactief en visueel werk. Er wordt gezegd dat het model gefocust blijft op complexe taken over vele stappen heen, waaronder onderzoek, analyse en code.

Hoeveel kost Grok 4.6?

De prijzen beginnen bij $2 per miljoen input-tokens en $6 per miljoen output-tokens. Een snelle variant kost het dubbele, en beide cijfers beschrijven API-gebruik in plaats van een prijs per licentie.

Is Grok 4.6 geschikt voor het analyseren van spreadsheets?

De aankondiging claimt dat niet specifiek. De genoemde benchmarks zijn gericht op coderen, dus de prestaties met spreadsheets worden niet gemeten door de gepubliceerde cijfers.

Waar kan ik Grok 4.6 gebruiken?

xAI noemt Cursor en Grok Build, plus de API en partners waaronder OpenRouter, Vercel en Cloudflare. Een aanbieding in de eerste week voor dubbel inbegrepen verbruik was van toepassing in Grok Build en Cursor.

Lost een beter model slechte data op?

Nee. Inconsistente datumnotaties, betwiste definities van statistieken en ontraceerbare cijfers zijn workflow-problemen. Een sterker model zal vol zelfvertrouwen antwoorden over de versie van de data die het heeft gekregen.