El Nuevo Grok 4.5 Ya Está Disponible. Elon Musk Dice que Compite con Claude Opus del Año Pasado

Este miércoles, SpaceXAI de Elon Musk lanzó Grok 4.5, su primer modelo público desde que se completó la fusión entre SpaceX y xAI en febrero, y el pendiente acuerdo de SpaceX por $60.000 millones para adquirir Cursor. Está dirigido a programadores, ingenieros y lo que la empresa denomina “trabajadores del conocimiento”, una categoría que al parecer abarca desde desarrolladores de software hasta abogados que revisan contratos y equipos de finanzas que construyen modelos en Excel.

La propuesta de la empresa no es que sea el mejor modelo, sino que es económico, al menos para un modelo occidental. Grok 4.5 cuesta $2 por millón de tokens de entrada y $6 por millón de tokens de salida. Claude Opus 4.8, el principal modelo insignia de Anthropic, tiene un precio de $5 de entrada y $25 de salida. GPT 5.6 Sol, el nuevo modelo de primer nivel de OpenAI que también se lanzó el miércoles, tiene un precio de $5 de entrada y $30 de salida.

Musk aclaró en X dónde se ubica realmente su nuevo modelo. Lo describió como “aproximadamente comparable a Opus 4.7, pero mucho más rápido”. Opus 4.7 es el anterior modelo insignia de Anthropic; Opus 4.8 lo ha sucedido desde entonces. Claude Fable 5 es ahora la oferta de mayor nivel de Anthropic.

Musk planteó esto como un intercambio deliberado: velocidad y costo por sobre la capacidad bruta, con los ingenieros de Tesla y SpaceX como prueba de utilidad en el mundo real.

Lo que realmente muestran los benchmarks

SpaceXAI publicó cuatro resultados de benchmarks al momento del lanzamiento, y el panorama es mixto. DeepSWE 1.1 mide con qué fiabilidad una IA puede resolver bugs de software reales enviados por desarrolladores, usando una configuración de prueba estandarizada para comparar modelos de manera justa, puntuada por el porcentaje de problemas resueltos. Grok 4.5 obtuvo un 53%, por debajo de Claude Opus 4.8 con un 59% y GPT 5.5 con un 67%. Claude Fable 5, el modelo de frontera de Anthropic, encabezó la lista con un 70%.

En SWE Bench Pro, otro benchmark que evalúa una colección de problemas de ingeniería de software puntuados por tasa de resolución, Grok 4.5 obtuvo un 64,7%, suficiente para superar el 58,6% de GPT 5.5 en esa prueba particular. Opus 4.8 sigue liderando con un 69,2%, y Fable 5 se ubica en un 80,4%.

Los benchmarks de la empresa comparan contra GPT 5.5, no contra GPT 5.6, porque este último también se lanzó el miércoles, horas después del anuncio de Grok 4.5.

SpaceXAI entrenó Grok 4.5 en colaboración con el recientemente adquirido Cursor AI en decenas de miles de GPUs Nvidia GB300 dentro de Colossus, la supercomputadora de Memphis con una capacidad total de más de 200.000 GPUs. Los laboratorios cuyos modelos se ubican por encima en esos mismos benchmarks no poseen nada cercano a ese hardware. El modelo resultante es competitivo, aunque no el primero.

Ese patrón ha seguido a Grok en múltiples lanzamientos. SpaceXAI ha aparecido consistentemente con una enorme capacidad de cómputo y puntuaciones en tercer lugar. Lo que cambió con Grok 4.5 es el precio y la señal de entrenamiento.

Donde el argumento a su favor realmente se sostiene

El mejor argumento no es el rendimiento bruto, sino la eficiencia. En las tareas de SWE Bench Pro, Grok 4.5 utilizó un promedio de 15.954 tokens de salida para completar cada trabajo. Opus 4.8 consumió 67.020 tokens para el mismo trabajo, una diferencia de 4,2 veces.

Para los equipos que ejecutan IA a gran volumen, esa diferencia se traduce en ahorros reales, sumado al ya menor precio por token. Incluso con Grok 4.5 obteniendo puntajes más bajos en los benchmarks de calidad, los tokens más baratos y una mayor eficiencia de uso permiten más iteraciones sin gastar tanto.

El modelo también funciona a 80 tokens por segundo, territorio de modelo rápido. Grok 4.5 fue entrenado con datos de sesiones de desarrolladores de Cursor, incluyendo trazas de depuración y ediciones de código reales, en lugar de repositorios estáticos. Como Musk admitió en un tribunal, las prácticas de entrenamiento de xAI han sido objeto de escrutinio antes; esta vez el pipeline pasa por una plataforma que SpaceX está en proceso de adquirir por completo.

Para los desarrolladores que ejecutan tareas de codificación de alto volumen, los números son favorables: aproximadamente la capacidad de Opus 4.7 con un 60% menos por token de entrada. Para quienes buscan la frontera tecnológica, Claude Fable 5 lidera en todas las categorías que SpaceXAI eligió publicar. Nuestra prueba rápida usando Grok build en Hermes fue decepcionante para escritura creativa y aceptable en una tarea de codificación simple.

El modelo está disponible vía API, en Hermes y Grok build con medio millón de tokens de contexto (poco menos de 400.000 palabras). Los usuarios europeos deberán esperar antes de poder usarlo; SpaceXAI señaló que Grok 4.5 llegará a la UE a mediados de julio.