SpaceXAI de Elon Musk lanzó Grok 4.5 el miércoles, su primer modelo público desde que la fusión SpaceX-xAI se cerró en febrero y el acuerdo pendiente de $60 mil millones de SpaceX para adquirir Cursor. Está dirigido a programadores, ingenieros y lo que la compañía llama "trabajadores del conocimiento", una categoría que aparentemente cubre a todos, desde desarrolladores de software hasta abogados que revisan contratos y equipos financieros que construyen modelos de Excel.
La propuesta de la compañía 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 salida. Claude Opus 4.8, el principal buque insignia de Anthropic, cuesta $5 de entrada y $25 de salida. GPT 5.6 Sol, el nuevo modelo de gama alta de OpenAI que también se lanzó el miércoles, tiene un precio de $5 de entrada y $30 de salida.
Musk publicó en X y aclaró dónde se sitúa realmente su nuevo modelo. Lo llamó "aproximadamente comparable a Opus 4.7, pero mucho más rápido". Opus 4.7 es el anterior buque insignia de Anthropic; Opus 4.8 lo ha sucedido desde entonces. Claude Fable 5 es ahora la oferta de primera línea de Anthropic.
Lo enmarcó como una compensación deliberada: velocidad y costo por encima de la capacidad bruta, con ingenieros de Tesla y SpaceX como prueba de su utilidad en el mundo real.
SpaceXAI publicó cuatro resultados de benchmark en el lanzamiento, y el panorama es mixto. DeepSWE 1.1 mide la fiabilidad con la que una IA puede cerrar errores de software reales enviados por desarrolladores, utilizando una configuración de prueba estandarizada para que los modelos puedan compararse de manera justa, puntuado por el porcentaje de problemas resueltos. Grok 4.5 obtuvo un 53%, por detrás de Claude Opus 4.8 con un 59% y GPT 5.5 con un 67%. Claude Fable 5, el modelo frontera de Anthropic, encabezó la lista con un 70%.
En SWE Bench Pro, otro benchmark que mide 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 en particular. Opus 4.8 sigue liderando con un 69.2%, y Fable 5 se sitúa en un 80.4%.
Los benchmarks de la compañía se comparan con GPT 5.5, no con 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 la recientemente adquirida Cursor AI en decenas de miles de GPUs Nvidia GB300 dentro de Colossus, el superordenador de Memphis con una capacidad total de más de 200.000 GPUs. Los laboratorios cuyos modelos están por encima en esos mismos benchmarks no poseen nada parecido a ese hardware. El modelo que surgió es competitivo, pero no el primero.
Ese patrón ha seguido a Grok en múltiples lanzamientos. SpaceXAI ha aparecido consistentemente con una enorme capacidad de cómputo y puntuaciones de tercer lugar. Lo que cambió con Grok 4.5 es el precio y la señal de entrenamiento.
El mejor argumento no es el rendimiento bruto; es la eficiencia matemática. 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, además del precio ya más bajo por token. Incluso con Grok 4.5 obteniendo puntuaciones tan bajas en los benchmarks de calidad, los tokens más baratos y una mayor eficiencia en el uso permiten más iteraciones sin gastar tanto.
El modelo también funciona a 80 tokens por segundo, lo que es territorio de modelos rápidos. Grok 4.5 fue entrenado con datos de sesiones de desarrolladores de Cursor, incluyendo rastros de depuración y ediciones de código reales en lugar de repositorios estáticos. Como Musk admitió en el 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 comprar por completo.
Para los desarrolladores que ejecutan tareas de codificación de alto volumen, las cuentas cuadran: aproximadamente la capacidad de Opus 4.7 con un 60% menos por token de entrada. Para cualquiera que persiga la frontera, Claude Fable 5 lidera cada categoría que SpaceXAI eligió publicar. Nuestra prueba rápida usando Grok build en Hermes fue decepcionante para la escritura creativa y aceptable para una tarea de codificación simple.
El modelo está disponible a través de API, en Hermes y Grok build con medio millón de tokens de contexto (un poco menos de 400.000 palabras). Los usuarios europeos tendrán que esperar antes de usarlo; SpaceXAI dice que Grok 4.5 llegará a la UE a mediados de julio.
