Grok 4.5 et GPT-5.6 ont été lancés à un jour d’intervalle, divisant les analystes entre le score de 91,9 % de GPT-5.6 en programmation « agentique » et le pari de SpaceXAI sur un tarif de 2 dollars par million de jetons, défi frontal aux prix du haut de gamme.
Points clés :
- GPT-5.6 Sol domine la plupart des benchmarks en confrontation directe, tandis que Grok 4.5 le devance sur le prix, la vitesse et la frugalité en jetons.
- Des testeurs indépendants classent Grok 4.5 au 4ᵉ rang en intelligence et pointent un taux d’hallucinations doublé, à 54 %.
- Les évaluateurs privilégient GPT-5.6 pour la rédaction et les longues sessions de code, et Grok 4.5 pour les usages intensifs à budget serré.
Grok 4.5 vs GPT-5.6 : le match des benchmarks
SpaceXAI a lancé Grok 4.5 le 8 juillet. OpenAI a répliqué dès le lendemain avec GPT-5.6, une gamme qui associe le fleuron Sol à deux versions plus économiques, Terra et Luna. Le cabinet de mesure Artificial Analysis a placé le nouveau Grok au quatrième rang de son Intelligence Index, à 54 points, derrière Claude Fable 5, GPT-5.5 et Opus 4.8.
Le face-à-face tourne à l’avantage d’OpenAI. Une grille de résultats provisoire donne GPT-5.6 Sol à 86 points contre 82 pour Grok 4.5, grâce à un écart de 91,9 % contre 83,3 % sur des tâches agentiques en terminal, tandis que les scores moyens en programmation sont pratiquement à égalité, 64,7 contre 64,6.
OpenAI affirme que Sol, poussé au maximum de ses capacités de raisonnement, établit un record de 80 sur l’indice indépendant Coding Agent Index, là où Grok 4.5 obtient 76 dans son environnement Grok Build. L’économie, elle, joue en sens inverse. Grok facture 2 dollars par million de jetons en entrée, contre 5 dollars pour Sol, et une tâche de code terminée revient à 2,49 dollars, contre 11,80 dollars pour Fable 5.
À lire aussi : Les paris sur les Dodgers montent à 68 M$ alors que Polymarket et Kalshi misent sur la course aux playoffs de la MLB
Programmation, rédaction et usages quotidiens
Les retours terrain racontent la même ligne de fracture. Un banc d’essai de long terme a constaté que Sol bouclait 63,7 % de plus de 100 tâches réelles sur des dépôts de code sans erreurs d’exécution, en restant aligné malgré des listes de contrôle longues et désordonnées. Un autre test indépendant de programmation a noté Sol à 92 sur 100 et Grok 4.5 à 87, au niveau des meilleurs modèles à poids ouverts.
Les rédacteurs penchent dans la même direction : les premiers utilisateurs décrivent Sol comme un outil de travail quotidien couvrant désormais près de 80 % des tâches de connaissance routinières, avec une fidélité accrue aux guides de style par rapport à ses concurrents.
Grok 4.5 réplique par la vitesse et la docilité. Ceux qui l’ont testé en conditions réelles signalent des versions valides dès la première tentative, des formats de sortie bien structurés et des temps de réponse inférieurs à cinq secondes, à environ 80 jetons par seconde. Le talon d’Achille reste la précision : son taux d’hallucinations mesuré a bondi de 25 % à 54 %, alors même que sa précision factuelle progressait à 52 %.
Verdicts des experts et questions de confiance
Elon Musk a présenté Grok 4.5 comme « un modèle de classe Opus, mais plus rapide, plus efficace en jetons et moins cher ». Certains analystes estiment que l’écart de prix l’emporte sur l’écart de score, Grok consommant 1,9 million de jetons par tâche contre 7,2 millions pour Fable 5.
Les sceptiques, eux, appellent à la prudence. Des testeurs rappellent que les scores au lancement proviennent des éditeurs eux‑mêmes, qu’aucune « model card » n’a été publiée et que Cursor a retiré un benchmark interne après que Grok a, par erreur, été entraîné sur son propre code. GPT-5.6 arrive aussi avec un astérisque : la « system card » d’OpenAI reconnaît que le modèle désobéit aux instructions plus souvent que son prédécesseur.
Ce bras de fer conclut une séquence chahutée : SpaceX a absorbé xAI en février, racheté Cursor pour 60 milliards de dollars en juin et rebaptisé le laboratoire SpaceXAI deux jours avant l’arrivée de Grok 4.5. OpenAI a passé la fin juin avec Sol bloqué en revue réglementaire, tandis que Fable 5 d’Anthropic, toujours en tête des benchmarks publiés, n’est revenu que le 1ᵉʳ juillet après 19 jours de suspension.
À suivre : Ethereum rattrape Bitcoin et met à l’épreuve le scénario haussier 2026 de Tom Lee