Grok 4.5 dan GPT-5.6 meluncur hanya berselang satu hari, dan langsung memecah opini penguji. Di satu sisi ada skor pemrograman “agentic” OpenAI sebesar 91,9%, di sisi lain ada SpaceXAI yang mengguncang harga dengan tarif $2 per satu juta token—tantangan langsung ke tarif model frontier.
Poin Utama:
- GPT-5.6 Sol unggul di mayoritas benchmark head-to-head, sementara Grok 4.5 menang di harga, kecepatan, dan efisiensi token.
- Penguji independen menempatkan Grok 4.5 di peringkat keempat untuk kecerdasan, dan menandai lonjakan tingkat halusinasi hingga dua kali lipat menjadi 54%.
- Reviewer memilih GPT-5.6 untuk penulisan dan sesi coding panjang, dan Grok 4.5 untuk pekerjaan volume tinggi dengan anggaran ketat.
Benchmark Grok 4.5 Vs GPT-5.6
SpaceXAI merilis Grok 4.5 pada 8 Juli. OpenAI menjawab sehari kemudian dengan GPT-5.6—keluarga model yang memasangkan flagship Sol dengan dua tier lebih murah, Terra dan Luna. Firma benchmarking Artificial Analysis menempatkan Grok terbaru di posisi keempat pada Intelligence Index dengan 54 poin, di bawah Claude Fable 5, GPT-5.5, dan Opus 4.8.
Dalam duel langsung, keunggulan condong ke OpenAI. Satu kartu skor sementara mencatat GPT-5.6 Sol di angka 86 poin versus 82 untuk Grok 4.5, didorong selisih lebar pada tugas agentic berbasis terminal—91,9% berbanding 83,3%. Untuk coding, rerata kedua model hampir imbang di 64,7 versus 64,6.
OpenAI mengklaim Sol pada mode penalaran maksimum mencetak rekor 80 pada indeks independen Coding Agent Index, sementara Grok 4.5 memperoleh 76 poin di dalam kerangka Grok Build. Secara ekonomi, arah cerita berbalik. Grok hanya mematok $2 per satu juta token input, versus $5 untuk Sol. Biaya menyelesaikan satu tugas coding dihitung sekitar $2,49 untuk Grok, dibanding $11,80 untuk Fable 5.
Juga Baca: Taruhan Dodgers Sentuh $68 Juta Saat Polymarket dan Kalshi Masuk Bursa Balap Playoff Baseball
Coding, Penulisan, dan Tugas Harian
Laporan hands-on menunjukan pola serupa. Dalam satu pengujian jangka panjang, sebuah harness mencatat Sol menuntaskan 63,7% dari lebih 100 tugas nyata di repository tanpa error trial, tetap “nyambung” melalui checklist multi-langkah yang berantakan. Uji coding independen lainnya memberi skor 92 dari 100 untuk Sol dan 87 untuk Grok 4.5—setara dengan model open-weights papan atas.
Kalangan penulis cenderung ke arah sama. Penguji awal menggambarkan Sol sebagai “daily driver” yang kini mampu mencakup sekitar 80% pekerjaan pengetahuan rutin (knowledge work) dan mengikuti style guide lebih disiplin dibanding para pesaingnya.
Grok 4.5 membalas dengan kecepatan dan ketaatan terhadap instruksi. Pengulas yang memakainya di pekerjaan nyata melaporkan build rapi di percobaan pertama, output terstruktur yang konsisten, dan waktu respons di bawah lima detik dengan throughput sekitar 80 token per detik. Titik lemah utamanya ada di akurasi: tingkat halusinasi terukur melonjak dari 25% ke 54%, meski akurasi faktual naik ke 52%.
Vonis Pakar dan Isu Kepercayaan
Elon Musk memasarkan Grok 4.5 sebagai “model kelas Opus, tapi lebih cepat, lebih efisien token, dan lebih murah.” Sejumlah analis berpendapat selisih harga bisa lebih penting daripada gap skor, mengingat Grok rata-rata menghabiskan 1,9 juta token per tugas, jauh di bawah 7,2 juta token milik Fable 5.
Namun kubu skeptis melihat banyak alasan untuk berhati-hati. Reviewer mencatat bahwa skor peluncuran berasal dari laporan vendor, tidak ada model card yang dirilis, dan Cursor menarik kembali salah satu benchmark internal setelah Grok diketahui sempat terlatih pada codebase perusahaan tersebut. GPT-5.6 pun punya catatan bintang sendiri: system card OpenAI mengakui model baru ini lebih sering mengabaikan instruksi dibanding pendahulunya.
Persaingan ini menutup periode yang bergejolak. SpaceX mengakuisisi xAI pada Februari, membeli Cursor senilai $60 miliar pada Juni, dan mengganti nama lab menjadi SpaceXAI dua hari sebelum Grok 4.5 tiba. OpenAI menghabiskan akhir Juni dengan Sol terkunci dalam peninjauan pemerintah, sementara Anthropic Fable 5, masih pemimpin tolok ukur resmi, baru kembali online pada 1 Juli setelah suspensi 19 hari.
Baca Berikutnya: Ethereum Menyalip Bitcoin, Menguji Skenario Bull 2026 Versi Tom Lee