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 programación “agéntica” 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 lidera la mayoría de los benchmarks frente a frente, mientras Grok 4.5 lo supera en precio, velocidad y uso de tokens.
- Evaluaciones independientes sitúan a Grok 4.5 en cuarto lugar en inteligencia y señalan una tasa de alucinaciones que se ha duplicado hasta el 54%.
- Los analistas prefieren GPT-5.6 para redacción y largas sesiones de código, y Grok 4.5 para trabajo intensivo y de bajo presupuesto.
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 las gamas más asequibles Terra y Luna. La firma de medición Artificial Analysis colocó al nuevo Grok en la cuarta posición de su Intelligence Index con 54 puntos, por detrás de Claude Fable 5, GPT-5.5 y Opus 4.8.
En el cara a cara, los números favorecen a OpenAI. Una hoja de resultados provisional sitúa a GPT-5.6 Sol en 86 puntos frente a los 82 de Grok 4.5, impulsado por una brecha del 91,9% frente al 83,3% en tareas agénticas basadas en terminal, mientras que las medias en programación quedan prácticamente empatadas: 64,7 frente a 64,6.
OpenAI asegura que Sol, a máxima configuración de razonamiento, marca un récord de 80 puntos en el independiente Coding Agent Index, donde Grok 4.5 logra 76 dentro de su propio entorno Grok Build. La economía, sin embargo, va en sentido contrario. Grok cobra 2 dólares por millón de tokens de entrada frente a los 5 dólares de Sol, y completar una tarea de código sale por 2,49 dólares frente a los 11,80 dólares de Fable 5.
También puede interesar: Las apuestas a los Dodgers llegan a 68 millones de dólares mientras Polymarket y Kalshi se vuelcan con la carrera por los playoffs de la MLB
Programación, escritura y tareas del día a día
Los informes prácticos reflejan la misma ruptura. 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 largas y desordenadas. Otra prueba independiente de código otorgó a Sol una nota de 92 sobre 100 y a Grok 4.5 de 87, en línea con los mejores modelos de pesos abiertos.
Entre los profesionales de la escritura, la inclinación es similar. Los primeros usuarios describen a Sol como un “driver” diario que ya cubre en torno al 80% del trabajo de conocimiento rutinario y respeta los libros de estilo con más fidelidad que sus rivales.
Grok 4.5 responde con velocidad y disciplina. Analistas que lo probaron en encargos reales informaron de compilaciones limpias al primer intento, salidas estructuradas fiables y tiempos de respuesta inferiores a cinco segundos, alrededor de 80 tokens por segundo. El problema es la precisión: su tasa medida de alucinaciones saltó del 25% al 54%, incluso mientras su exactitud factual mejoraba hasta el 52%.
Veredictos de expertos y dudas de 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 puntuación, dado que Grok consume 1,9 millones de tokens por tarea frente a los 7,2 millones de Fable 5.
Los escépticos, no obstante, piden prudencia. Los analistas señalan que las puntuaciones de lanzamiento proceden de la propia compañía, que el modelo salió sin ficha técnica (“model card”) y que Cursor retiró un benchmark interno después de que Grok se entrenara por error con su base de código. GPT-5.6 también llega con asterisco: la “system card” de OpenAI reconoce que el modelo desobedece instrucciones con más frecuencia que su predecesor.
La rivalidad corona un tramo particularmente agitado. 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 recta final de junio con Sol bloqueado en un proceso de revisión gubernamental, mientras que Fable 5 de Anthropic, aún líder publicado en benchmarks, no volvió a estar disponible hasta el 1 de julio tras 19 días de suspensión.
Lea también: Ethereum recorta distancias con Bitcoin y pone a prueba el escenario alcista de 2026 de Tom Lee