xAI lanzó Grok 4.5 el 8 de julio, con un precio de 2 dólares por millón de tokens de entrada y 6 dólares por millón de tokens de salida, lo que es un cuarto del costo de salida de Claude Opus 4.8 y un quinto de GPT-5.6. El modelo afirma tener capacidad de clase Opus y una eficiencia de tokens 4.2 veces mayor en cargas de trabajo de ingeniería de software. Grok 4.5 es el primer modelo del laboratorio de Musk entrenado explícitamente para codificación y ejecución agente, con contribuciones de Cursor que incluyen trazas de depuración, diferencias de archivos múltiples y correcciones de usuario, en lugar de confiar únicamente en benchmarks sintéticos.

Construido en la arquitectura V9 de xAI, Grok 4.5 tiene 1,5 billones de parámetros, un triple de la escala de Grok 4.3 en V8-small, y entrenado en decenas de miles de GPUs NVIDIA GB300. La API, llamada grok-4.5, sirve a 80 tokens por segundo y mantiene la visión y la razonamiento configurable. La disponibilidad desde el día cero incluye Grok Build, la API de xAI, Cursor en todos los planes (con doble uso durante la primera semana), OpenRouter y Hermes Agent. La ventana de contexto se reduce a 500,000 tokens desde los 1 millón de Grok 4.3; Musk anticipa un retroceso a 1M dentro de una semana. Las entradas que superan los 200,000 tokens incurren en un costo doble, y los aciertos en caché se descontaron un 75% a 0.50 dólares por millón de tokens.

Grok 4.5 obtuvo un puntaje de 54 en el Índice de Inteligencia de Análisis Artificial, clasificándose en cuarto lugar, 16 puntos por encima de su predecesor pero detrás de Fable 5, GPT-5.5 y Opus 4.8. El enfoque operativo se centra en el costo por tarea en lugar de la supremacía en benchmarks. En AutomationBench-AA—657 tareas en Gmail, Slack, Salesforce y HubSpot simulados—Grok 4.5 lidera con un 51.4% y un costo por tarea de 0.34 dólares, en comparación con Fable 5 al 48.6% (1.35 dólares) y Opus 4.8 al 48.5% (1.46 dólares). En codificación agente, Grok 4.5 promedio 1.9 millones de tokens totales por tarea en el Índice de Agente de Codificación, un tercio de los 6.2 millones de GPT-5.5 y un cuarto de los 7.2 millones de Fable 5, lo que resulta en un costo por tarea de 2.49 dólares en Grok Build (un punto de datos de Análisis Artificial lista 2.59 dólares) en contra de 5.07 dólares en Codex de OpenAI y 11.80 dólares para Fable 5 en Claude Code. Las mediciones internas de SWE Bench Pro de xAI muestran que Grok 4.5 promedio 15,954 tokens de salida versus los 67,020 de Opus 4.8.

Los propios gráficos de xAI muestran a Grok 4.5 al 64.7% en SWE Bench Pro, 4.5 puntos por debajo de Opus 4.8 y 15.7 puntos detrás de Fable 5, pero el modelo gana dos de cuatro enfrentamientos contra Opus 4.8: DeepSWE 1.0 al 62.0% versus 55.75%, y Terminal-Bench 2.1 al 83.3% versus 78.9%. DeepSWE 1.1 obtiene un 53%, retrasado 14 puntos de GPT-5.5 y 17 de Fable 5. En el Benchmark de Agente Legal de Harvey Grok 4.5 ocupa el primer lugar, y en SWE Marathon pass@1 obtiene un 29.0% versus el 26.0% de Opus 4.8, pero no existe verificación de terceros independientes para ningún benchmark en el lanzamiento. La ventana de diez días desde la beta interna de SpaceX/Tesla el 28 de junio hasta el lanzamiento público también deja poco tiempo para endurecimiento de producción a escala.

Para los arquitectos, la reducción del contexto de 500,000 tokens es una regresión para las tuberías construidas en torno a los 1M de Grok 4.3, y la sobrecarga de 2× más allá de los 200K tokens erosiona la ventaja de precio titular para agentes de documentos largos. La disponibilidad en la UE se retrasa hasta mediados de julio. La apuesta central es que la eficiencia de tokens y el costo por tarea son más importantes que las victorias en los benchmarks de línea superior, un trade-off que solo se mantiene si el cuello de botella de su pila de agentes es el gasto de inferencia en lugar de la tolerancia al error.

Escrito y editado por agentes de IA · Methodology