Quando a xAI lançou o Grok 4.5 em 8 de julho de 2026, Elon Musk resumiu a proposta assim: “um modelo de classe Opus, mas mais rápido, mais eficiente em tokens e com custo menor.” A comparação direta é com o Claude Opus 4.8, modelo de codificação carro-chefe da Anthropic.
Vamos verificar a afirmação com os números publicados pela xAI em seu anúncio, os preços publicados pela Anthropic e os pontos que normalmente ficam fora do marketing. Resumo prático: a afirmação é majoritariamente verdadeira, mas há duas derrotas em benchmarks e um asterisco importante sobre verificação independente.
O placar
A xAI publicou quatro benchmarks de codificação. O resultado fica assim:
| Benchmark | Grok 4.5 | Opus 4.8 (máx) | Vencedor |
|---|---|---|---|
| DeepSWE 1.0 (pass@1) | 62.0% | 55.75% | Grok 4.5 (+6.25) |
| DeepSWE 1.1 | 53% | 59% | Opus 4.8 (+6) |
| Terminal Bench 2.1 | 83.3% | 78.9% | Grok 4.5 (+4.4) |
| SWE Bench Pro (resolver) | 64.7% | 69.2% | Opus 4.8 (+4.5) |
Resultado: duas vitórias para cada lado.
Na prática, “classe Opus” é uma descrição razoável de faixa de capacidade, mas não significa superioridade geral. O Grok 4.5 compete no mesmo nível, vence em alguns testes e perde em outros.
Também vale notar o contexto: o Claude Fable 5 (máx) supera todos os quatro gráficos publicados (66.1 / 70 / 84.3 / 80.4), e o GPT 5.5 (xhigh) vence ambos os modelos em três dos quatro. Ou seja, o Grok 4.5 está competindo no nível abaixo da fronteira máxima, contra o modelo que a Anthropic posiciona para trabalho diário, não para capacidade máxima. Para a comparação de fronteira, veja Fable 5 vs Opus 4.8.
O asterisco de proveniência
Esses resultados ainda não são benchmarks totalmente independentes.
A xAI informa que os números dos concorrentes vêm de “cards de sistema publicados pelos respectivos desenvolvedores ou tabelas de classificação de benchmarks”. As avaliações DeepSWE foram criadas pela Datacurve, e as execuções usam o harness de cada provedor.
Isso é melhor do que uma autoavaliação opaca, mas ainda mistura fontes, harnesses e scaffolds diferentes. Essas diferenças podem afetar o resultado.
Até agora, nenhuma terceira parte totalmente independente publicou benchmark do Grok 4.5. Acompanhe a situação na nossa análise aprofundada de benchmarks.
Preço: Grok vence no papel e na prática
Preços de tabela por milhão de tokens:
| Grok 4.5 | Opus 4.8 | |
|---|---|---|
| Entrada | $2.00 | $5.00 |
| Saída | $6.00 | $25.00 |
Isso coloca o Grok 4.5 em:
- 40% do preço de entrada do Opus 4.8
- 24% do preço de saída do Opus 4.8
Veja mais detalhes do lado da Anthropic na nossa análise de preços do Opus 4.8.
A diferença aumenta quando você considera verbosidade.
Segundo a xAI, no SWE Bench Pro:
- Grok 4.5 usa em média 15.954 tokens de saída
- Opus 4.8 (máx) usa em média 67.020 tokens de saída
Cálculo simples por tarefa resolvida:
Grok 4.5:
15.954 tokens × $6 / 1.000.000 ≈ $0,10 de saída por tarefa
Opus 4.8:
67.020 tokens × $25 / 1.000.000 ≈ $1,68 de saída por tarefa
Ou seja: cerca de 17x mais barato na saída por tarefa concluída, usando as contagens de tokens relatadas pelo fornecedor.
Trate esse número com cautela:
- é um benchmark específico;
- a medição vem do fornecedor;
- o modo “máx” do Opus aumenta naturalmente o número de tokens;
- tokens de entrada não entram nesse cálculo simplificado.
Mesmo assim, a direção é clara: se um modelo é mais conciso e também cobra menos por token, a economia real pode ser maior do que a tabela de preços sugere.
Para cenários mais completos, veja Preços do Grok 4.5 explicados.
A ressalva também importa no sentido oposto: o Opus gasta mais tokens em parte porque o modo “máx” raciocina mais. Esse raciocínio pode explicar por que ele vence o SWE Bench Pro por 4,5 pontos. Em alguns fluxos, você está pagando por capacidade extra de análise.
Velocidade: 80 TPS e respostas menores importam
A xAI afirma que o Grok 4.5 atende a cerca de 80 tokens por segundo, descrito como “velocidades de modelo rápido”.
Combinado com saídas mais curtas, isso reduz o tempo real por tarefa de duas formas:
- menos tokens para gerar;
- tokens gerados mais rapidamente.
Isso é especialmente relevante em fluxos agentic, por exemplo:
1 tarefa de desenvolvimento
→ 10 chamadas de planejamento
→ 15 chamadas de edição
→ 5 chamadas de validação
→ 3 chamadas de correção
Nesse tipo de loop, alguns segundos por chamada viram minutos por sessão.
A Anthropic não publica um número equivalente de TPS para o Opus 4.8. Além disso, velocidade real varia com carga, região, plano e tamanho do contexto. Portanto, não use apenas benchmarks públicos: meça com seus próprios prompts.
Onde o Opus 4.8 ainda tem vantagem
Preço menor não resolve tudo. Os próprios benchmarks mostram onde o Opus 4.8 continua forte.
1. Codificação agentic mais difícil
O Opus vence em:
- SWE Bench Pro: +4,5 pontos
- DeepSWE 1.1: +6 pontos
Esses testes se aproximam mais de trabalho complexo em repositórios reais. Se sua carga envolve refatorações grandes, múltiplos arquivos e correções com dependências sutis, essa diferença pode importar.
2. Maturidade do ecossistema
O Opus 4.8 já está encaixado em:
- Claude Code;
- padrões de tool use mais estabelecidos;
- fluxos de produção já testados;
- documentação e comportamento mais conhecidos.
O Grok 4.5 chegou recentemente, com superfície de integração em Grok Build, Cursor e uma nova API. Mesmo que o custo por token seja menor, migração tem custo técnico.
3. Previsibilidade
O comportamento do Opus em contexto longo, recusas e modos de falha é mais documentado, inclusive por nós.
O Grok 4.5 ainda tem pouco histórico público em produção.
Como decidir qual usar
Use uma decisão baseada em carga de trabalho, não em ranking geral.
Escolha Grok 4.5 se
- você executa codificação agentic em alto volume;
- sua conta de API é uma restrição real;
- você aceita avaliar um modelo recém-lançado;
- seus prompts se beneficiam de respostas mais curtas;
- uma divisão 2-2 em benchmarks por um custo de saída muito menor parece uma boa troca.
O preço de lançamento e as janelas gratuitas atuais tornam o teste de baixo risco neste mês.
Continue com Opus 4.8 se
- você já está integrado ao ecossistema Anthropic;
- precisa do melhor resultado publicado nos benchmarks mais difíceis dessa classe de preço;
- sua aplicação exige previsibilidade operacional;
- você não pode assumir risco de modelo novo em produção;
- o custo extra é justificável pela qualidade em tarefas complexas.
Como fazer um teste A/B com seus próprios prompts
Ambas as APIs usam formatos compatíveis com OpenAI para chat completions. Isso facilita montar um harness simples.
A ideia:
- selecione seus 5 a 10 prompts reais mais difíceis;
- rode cada prompt nos dois modelos;
- registre saída, latência e uso de tokens;
- compare qualidade manualmente;
- calcule custo por tarefa bem-sucedida.
Exemplo conceitual em Python:
from openai import OpenAI
import time
def run_model(base_url, api_key, model, prompt):
client = OpenAI(
base_url=base_url,
api_key=api_key,
)
start = time.time()
response = client.chat.completions.create(
model=model,
messages=[
{"role": "user", "content": prompt}
],
)
elapsed = time.time() - start
return {
"model": model,
"latency_seconds": elapsed,
"content": response.choices[0].message.content,
"usage": response.usage,
}
O ponto mais importante é verificar output_tokens.
Se o Grok 4.5 não gerar respostas mais curtas nos seus prompts reais, a economia calculada nos benchmarks pode não se aplicar ao seu caso.
No Apidog, você pode salvar uma requisição por modelo, apontar cada uma para seus prompts reais e comparar lado a lado:
- qualidade da resposta;
- latência;
- tokens de entrada;
- tokens de saída;
- custo estimado por execução.
Baixe o Apidog gratuitamente e rode a comparação com seu próprio tráfego antes de mover uma carga de trabalho.
Guias de configuração para os dois lados:
FAQ
O Grok 4.5 é melhor que o Claude Opus 4.8?
Depende da restrição principal. Nos benchmarks publicados pela xAI, eles empatam em 2-2. O Grok 4.5 é mais barato e mais eficiente em tokens. O Opus 4.8 vence as duas avaliações mais difíceis de nível de repositório.
Quão mais barato é o Grok 4.5 em comparação com o Opus 4.8?
Nos preços de tabela:
- entrada: $2 vs $5 por milhão de tokens;
- saída: $6 vs $25 por milhão de tokens.
Em tarefas de codificação resolvidas, as contagens de tokens relatadas pelo fornecedor sugerem uma diferença efetiva maior, especialmente na saída.
Existem benchmarks independentes para o Grok 4.5?
Ainda não. Os números publicados misturam execuções da xAI, avaliações da Datacurve e cards de sistema de outros fornecedores. Benchmarks independentes devem aparecer nas semanas seguintes ao lançamento.
Posso testar ambos os modelos com o mesmo código?
Na maior parte, sim. Ambos expõem chat completions compatíveis com OpenAI. Para o básico, você troca:
-
base_url; - API key;
- model ID.
Mas teste explicitamente chamadas de ferramentas, saída estruturada e casos de erro antes de migrar produção.
Top comments (0)