एलन मस्क की SpaceXAI ने बुधवार को Grok 4.5 जारी किया, जो फरवरी में SpaceX-xAI विलय और Cursor को खरीदने के लिए SpaceX के लंबित $60 बिलियन के सौदे के बाद इसका पहला सार्वजनिक मॉडल है। यह कोडर्स, इंजीनियरों और जिसे कंपनी "ज्ञान कार्यकर्ता" कहती है - एक ऐसी श्रेणी जिसमें सॉफ्टवेयर डेवलपर्स से लेकर अनुबंधों की समीक्षा करने वाले वकील और एक्सेल मॉडल बनाने वाली वित्त टीमें शामिल हैं - उन्हें लक्षित करता है।
कंपनी की दलील यह नहीं है कि यह सबसे अच्छा मॉडल है। यह है कि यह सस्ता है, कम से कम पश्चिमी मॉडल के लिए। Grok 4.5 की कीमत प्रति मिलियन इनपुट टोकन $2 और प्रति मिलियन आउटपुट $6 है। Anthropic का प्राथमिक फ्लैगशिप Claude Opus 4.8, $5 इनपुट और $25 आउटपुट पर चलता है। OpenAI का नया शीर्ष-स्तरीय मॉडल GPT 5.6 Sol, जो बुधवार को भी लॉन्च हुआ, की कीमत $5 इनपुट और $30 आउटपुट है।
मस्क ने X पर पोस्ट किया और स्पष्ट किया कि उनका नया मॉडल वास्तव में कहाँ स्थित है। उन्होंने इसे "लगभग Opus 4.7 के बराबर, लेकिन बहुत तेज़" बताया। Opus 4.7 Anthropic का पिछला फ्लैगशिप था; Opus 4.8 ने तब से इसे बदल दिया है। Claude Fable 5 अब Anthropic का सबसे उन्नत पेशकश है।
उन्होंने इसे एक जानबूझकर किए गए व्यापार-बंद के रूप में प्रस्तुत किया: कच्ची क्षमता पर गति और लागत, टेस्ला और स्पेसएक्स के इंजीनियरों के साथ वास्तविक दुनिया की उपयोगिता का प्रमाण।
SpaceXAI ने लॉन्च के समय चार बेंचमार्क परिणाम प्रकाशित किए, और तस्वीर मिश्रित है। DeepSWE 1.1 यह मापता है कि AI डेवलपर्स द्वारा सबमिट किए गए वास्तविक सॉफ्टवेयर बग को कितनी विश्वसनीयता से ठीक कर सकता है, एक मानकीकृत परीक्षण सेटअप का उपयोग करके ताकि मॉडलों की निष्पक्ष तुलना की जा सके, तय किए गए मुद्दों के प्रतिशत से स्कोर किया गया। Grok 4.5 ने 53% स्कोर किया, जो Claude Opus 4.8 के 59% और GPT 5.5 के 67% से पीछे है। Anthropic का फ्रंटियर मॉडल Claude Fable 5, 70% के साथ चार्ट में सबसे ऊपर रहा।
SWE बेंच प्रो पर, एक अन्य बेंचमार्क जो समाधान दर द्वारा स्कोर किए गए सॉफ्टवेयर इंजीनियरिंग समस्याओं के संग्रह को मापता है, Grok 4.5 ने 64.7% पोस्ट किया, जो उस विशेष परीक्षण पर GPT 5.5 के 58.6% को हराने के लिए पर्याप्त है। Opus 4.8 अभी भी 69.2% के साथ आगे है, और Fable 5 80.4% पर है।
कंपनी के बेंचमार्क GPT 5.5 के मुकाबले हैं, न कि GPT 5.6 के, क्योंकि बाद वाला भी Grok 4.5 की घोषणा के घंटों बाद बुधवार को लॉन्च हुआ।
SpaceXAI ने Grok 4.5 को हाल ही में अधिग्रहित Cursor AI के सहयोग से कोलोसस के अंदर हजारों Nvidia GB300 GPUs पर प्रशिक्षित किया, जो मेम्फिस सुपरकंप्यूटर है जिसकी कुल क्षमता 200,000 से अधिक GPUs में है। जिन प्रयोगशालाओं के मॉडल इन्हीं बेंचमार्क पर इससे ऊपर हैं, उनके पास उस हार्डवेयर के करीब कुछ भी नहीं है। जो मॉडल निकला वह प्रतिस्पर्धी है, बस पहले स्थान पर नहीं।
यह पैटर्न कई रिलीज में Grok के साथ रहा है। SpaceXAI ने लगातार विशाल कंप्यूटिंग शक्ति और तीसरे स्थान के स्कोर के साथ प्रदर्शन किया है। Grok 4.5 के साथ जो बदला वह मूल्य निर्धारण और प्रशिक्षण संकेत है।
बेहतर तर्क कच्चा प्रदर्शन नहीं है; यह दक्षता का गणित है। SWE बेंच प्रो कार्यों पर, Grok 4.5 ने प्रत्येक कार्य को पूरा करने के लिए औसतन 15,954 आउटपुट टोकन का उपयोग किया। Opus 4.8 ने उसी कार्य के लिए 67,020 टोकन जलाए, जो 4.2 गुना का अंतर है।
अधिक मात्रा में AI चलाने वाली टीमों के लिए, यह अंतर पहले से ही कम प्रति-टोकन कीमत के ऊपर वास्तविक बचत में बदल जाता है। गुणवत्ता बेंचमार्क में Grok 4.5 के इतने कम स्कोर करने के बावजूद भी, सस्ते टोकन और उपयोग में अधिक दक्षता कम खर्च किए बिना अधिक पुनरावृत्ति की अनुमति देती है।
यह मॉडल प्रति सेकंड 80 टोकन पर भी चलता है, जो तेज़-मॉडल क्षेत्र है। Grok 4.5 को कर्सर से डेवलपर सत्र डेटा पर प्रशिक्षित किया गया था, जिसमें डीबगिंग ट्रेस और वास्तविक कोड संपादन शामिल थे न कि स्थिर रिपॉजिटरी। जैसा कि मस्क ने अदालत में स्वीकार किया था, xAI की प्रशिक्षण पद्धतियों पर पहले भी जांच हुई है; इस बार पाइपलाइन एक ऐसे प्लेटफॉर्म से गुजरती है जिसे SpaceX पूरी तरह से खरीदने की प्रक्रिया में है।
अधिक मात्रा में कोडिंग कार्य करने वाले डेवलपर्स के लिए, गणित काम करता है: लगभग Opus 4.7 क्षमता प्रति इनपुट टोकन 60% कम पर। फ्रंटियर का पीछा करने वाले किसी भी व्यक्ति के लिए, Claude Fable 5 उन सभी श्रेणियों में आगे है जिन्हें SpaceXAI ने प्रकाशित करना चुना। हर्मेस पर Grok बिल्ड का उपयोग करके हमारा त्वरित परीक्षण रचनात्मक लेखन के लिए निराशाजनक और एक साधारण कोडिंग कार्य पर स्वीकार्य था।
यह मॉडल एपीआई के माध्यम से, हर्मेस और Grok बिल्ड पर आधा मिलियन टोकन के संदर्भ के साथ उपलब्ध है (लगभग 400,000 शब्दों से थोड़ा कम)। यूरोपीय उपयोगकर्ताओं को इसका उपयोग करने से पहले इंतजार करना होगा; SpaceXAI का कहना है कि Grok 4.5 जुलाई के मध्य तक यूरोपीय संघ में पहुंच जाएगा।
