Grok 4.6 vs. Kimi K3: který se reálně vyplatí (září 2026)

V září 2026 porovnáváme dva vlivné modely, Grok 4.6 od xAI a Kimi K3 od Kimi, na základě souhrných indexů, hloubkových benchmarků a provozních parametrů. Data pokrývají inteligenci, kódování, cenu za milion tokenů, rychlost generování v tocích za sekundu a latenci prvního tokenu, doplněné o čtyři specializované testy. Srovnání reaguje na nedávné nasazení Grok v pentagonním portálu a recenze autonomního agenta Grok Bot.

Souhrnné indexy: inteligence, kódování.

Hloubkové benchmarky: HLE, GPQA Diamond, SciCode, LCR.

Duel v kontextu celého pole: cena (log) vs. Intelligence Index.

Co ukazují souhrná data a benchmarky

V souhrném indexu inteligence vede Grok 4.6 s hodnotou 44,4 bodů před Kimi K3 s 43,8 body, rozdíl činí 0,6 bodu podle předpočítané hodnoty. V indexu kódování Grok 4.6 dosahuje 76,8 bodů, Kimi K3 76,2 bodů. Cena za milion tokenů u Grok 4.6 je 3 USD, u Kimi K3 6 USD, podle předpočítaného poměru je Grok dvakrát levnější. Rychlost generování tokenů u Grok 4.6 činí 67,9 tokenů za sekundu, u Kimi K3 37 tokenů za sekundu, podle předpočítaného poměru je Grok 1,8× rychlejší. Latence prvního tokenu u Grok 4.6 dosahuje 37,39 sekundy, u Kimi K3 2,58 sekundy.

V hloubkových benchmarcích Kimi K3 vede ve třech z čtyř testů. V HLE měřícím expertní otázky napříč obory dosáhl Kimi K3 46,9 procenta, Grok 4.6 42,9 procenta. V GPQA Diamond zaměřeném na vědecké otázky doktorandské úrovně vede Grok 4.6 s 94,9 procenty před Kimi K3 s 93,5 procenty, největší náskok Grok 4.6 činí 1,4 procentního bodu podle předpočítané hodnoty. V SciCode testujícím programování vědeckých algoritmů dosáhl Kimi K3 59,5 procenta, Grok 4.6 56,5 procenta. V LCR měřícím porozumění dlouhému kontextu vede Kimi K3 s 88,7 procenty před Grok 4.6 s 80,3 procenty, největší náskok Kimi K3 činí 8,3 procentního bodu podle předpočítané hodnoty.

Překvapivé je, že Kimi K3 překonává Grok 4.6 ve většině specializovaných testů, i když má niżsí souhrný index inteligence. Grok 4.6 kompenzuje výhodou v ceně, propustnosti a vědeckých otázkách GPQA Diamond.

Kritická interpretace výsledků praxe

Rozdíl 0,6 bodu v indexu inteligence a 1,4 procentního bodu v GPQA Diamond jsou v laboratorních podmínkách těsné a v reálném provozu mohou zapadnout do šumu. Silnější náskok Kimi K3 v LCR o 8,3 procentního bodu signalizuje lepší schopnost pracovat s rozsáhlými dokumenty a dlouhými historiemi konverzace, což je klíčové pro výzkum a analýzu smluv. Vyhrání Kimi K3 v HLE a SciCode naznačuje výhodu při expertním úvahování napříč obory a implementaci vědeckých algoritmů.

Provozní metriky rozkládají karty jinak. Grok 4.6 nabízí dvakrát nižší náklady a téměř dvakrát vyšší propustnost, což ho predestinuje pro dávkové zpracování, generování kódu v CI/CD pipelinech a scenáře, kde na latenci nezáleží. Naopak latence prvního tokenu 37,39 sekundy u Grok 4.6 je pro interaktivní chat, asistence v reálném čase a autonomní agenti s rychlou smyčkou zpětné vazby prakticky nepoužitelná. Kimi K3 s 2,58 sekundy umožňuje plynulou interakci.

Podle mediálního monitoringu byl Grok 4.6 integrován do pentagonního portálu pro nástroje umělé inteligence, což naznačuje důvěru v bezpečnost a dodržování předpisů. Stejný zdroj uvádí, že Grok Bot nabízí programátorskou sílu srovnatelnou s OpenClaw na jiné úrovni abstrakce, což potvrzuje silnou stránku v kódování.

Doporučení pro české nasazení

Pro české firmy a organizace platí: volte Grok 4.6, když řešíte hromadné generování textu nebo kódu, vědecké dotazy typu GPQA Diamond, potřebujete minimalizovat náklady na tokeny a latence desítek sekund nejsou překážkou. Nasazení v pentagonním portálu podle agenturních zpráv podporuje předpoklad splňování přísných bezpečnostních standardů.

Volte Kimi K3 pro interaktivní aplikace, chatové roboty, autonomní agenti vyžadující okamžitou odezvu, práci s dlouhými dokumenty a expertní analýzu napříč obory. Dvakrát vyšší cena za milion tokenů se vrací formou použitelnosti v reálném čase a lepších výsledků v benchmarcích HLE, SciCode a LCR.