Grok 4.5 y GPT-5.6 se lanzaron con un día de diferencia, dividiendo a los analistas entre el 91,9% de puntuación en tareas de “código agente” de OpenAI y el desafío de SpaceXAI a los precios de frontera con su tarifa de 2 dólares por millón de tokens.
Claves:
- GPT-5.6 Sol domina la mayoría de los benchmarks directos, mientras Grok 4.5 lo supera en precio, velocidad y eficiencia de tokens.
- Evaluadores independientes sitúan a Grok 4.5 como cuarto modelo más inteligente y alertan de una tasa de alucinación que se ha duplicado hasta el 54%.
- Los analistas prefieren GPT-5.6 para redacción y sesiones largas de programación, y Grok 4.5 para trabajos de gran volumen con presupuestos ajustados.
Benchmarks: Grok 4.5 frente a GPT-5.6
SpaceXAI lanzó Grok 4.5 el 8 de julio. OpenAI respondió un día después con GPT-5.6, una familia que combina el buque insignia Sol con los niveles más económicos Terra y Luna. La firma de benchmarks Artificial Analysis situó al nuevo Grok en cuarta posición de su Índice de Inteligencia, con 54 puntos, por detrás de Claude Fable 5, GPT-5.5 y Opus 4.8.
El cara a cara favorece a OpenAI. Un cuadro provisional de resultados coloca a GPT-5.6 Sol en 86 puntos frente a los 82 de Grok 4.5, impulsado por una brecha del 91,9% al 83,3% en tareas agente basadas en terminal, mientras que las medias en programación quedan prácticamente empatadas en 64,7 frente a 64,6.
OpenAI asegura que Sol, con el modo de razonamiento al máximo, firma un récord de 80 puntos en el independiente Coding Agent Index, frente a los 76 de Grok 4.5 dentro de su propio entorno Grok Build. La economía, sin embargo, se inclina al otro lado. Grok cobra 2 dólares por millón de tokens de entrada frente a los 5 de Sol, y completar una tarea de código cuesta 2,49 dólares, frente a los 11,80 de Fable 5.
También puede leer: Las apuestas a los Dodgers alcanzan 68 millones de dólares mientras Polymarket y Kalshi se vuelcan con la lucha por los playoffs
Programación, redacción y tareas diarias
Las pruebas prácticas reflejan la misma división. Un banco de pruebas de largo recorrido detectó que Sol completó el 63,7% de más de 100 tareas reales sobre repositorios sin errores de ensayo, manteniendo el rumbo en listas de comprobación complejas de varios pasos. Otro test independiente de programación puntuó a Sol con 92 sobre 100 y a Grok 4.5 con 87, al nivel de los mejores modelos de pesos abiertos.
Los redactores también se inclinan en la misma dirección: los primeros usuarios describen a Sol como un “driver” diario capaz de cubrir ya en torno al 80% del trabajo de conocimiento rutinario y de seguir los libros de estilo con más fidelidad que sus rivales.
Grok 4.5 responde con velocidad y disciplina. Los analistas que lo probaron en encargos reales reportaron compilaciones limpias al primer intento, salidas estructuradas fiables y tiempos de respuesta inferiores a cinco segundos, procesando unos 80 tokens por segundo. El pero está en la precisión: su tasa medida de alucinaciones saltó del 25% al 54%, incluso mientras su exactitud factual mejoraba hasta el 52%.
Veredicto de los expertos y el problema de la confianza
Elon Musk presentó Grok 4.5 como «un modelo de clase Opus, pero más rápido, más eficiente en tokens y más barato». Algunos analistas sostienen que la brecha de precio pesa más que la brecha de puntuaciones, dado que Grok consume 1,9 millones de tokens por tarea frente a los 7,2 millones de Fable 5.
Los escépticos ven motivos para la cautela. Varios analistas recordaron que los resultados de lanzamiento procedían del propio proveedor, que no se publicó una ficha técnica del modelo y que Cursor retiró un benchmark interno después de que Grok se entrenase por accidente con su código base. GPT-5.6 llega también con asterisco, ya que la system card de OpenAI reconoce que el modelo se salta las instrucciones con más frecuencia que su predecesor.
La rivalidad culmina un tramo especialmente convulso: SpaceX absorbió xAI en febrero, compró Cursor por 60.000 millones de dólares en junio y rebautizó el laboratorio como SpaceXAI dos días antes de la llegada de Grok 4.5. OpenAI pasó la segunda mitad de junio con Sol bloqueado en una revisión gubernamental, mientras que Fable 5 de Anthropic, aún líder de los benchmarks publicados, solo volvió a estar disponible el 1 de julio tras 19 días de suspensión.
Lea a continuación: Ethereum recorta terreno a Bitcoin y pone a prueba el escenario alcista de Tom Lee para 2026