Grok 4.5 i GPT-5.6 zadebiutowały dzień po dniu, dzieląc recenzentów między wynik 91,9% w zadaniach „agencyjnego” kodowania po stronie OpenAI a wycenione na $2 za milion tokenów wyzwanie cenowe od SpaceXAI.
Najważniejsze wnioski:
- GPT-5.6 Sol wygrywa większość bezpośrednich benchmarków, podczas gdy Grok 4.5 przebija go ceną, szybkością i oszczędnością tokenów.
- Niezależni testerzy klasyfikują Grok 4.5 na czwartym miejscu pod względem „inteligencji” i wskazują na wzrost halucynacji do 54%.
- Recenzenci preferują GPT-5.6 do pisania i długich sesji kodowania, a Groka 4.5 do masowych, budżetowych zadań.
Grok 4.5 kontra GPT-5.6 – benchmarki
SpaceXAI wypuścił Groka 4.5 8 lipca. OpenAI odpowiedziało dzień później, prezentując rodzinę GPT-5.6, w której flagowy Sol uzupełniany jest tańszymi wariantami Terra i Luna. Firma benchmarkingowa Artificial Analysis umieściła nowego Groka na czwartym miejscu swojego Intelligence Index z wynikiem 54 pkt, za Claude Fable 5, GPT-5.5 i Opus 4.8.
W bezpośrednim starciu przewaga należy do OpenAI. Wstępna tabela wyników pokazuje GPT-5.6 Sol na poziomie 86 pkt wobec 82 pkt dla Groka 4.5, głównie dzięki przewadze 91,9% do 83,3% w terminalowych zadaniach agentowych, przy praktycznie remisie w czystym kodowaniu – 64,7 wobec 64,6.
OpenAI deklaruje, że Sol przy maksymalnym ustawieniu rozumowania osiąga rekordowe 80 pkt w niezależnym Coding Agent Index, podczas gdy Grok 4.5 zdobywa 76 pkt w swoim środowisku Grok Build. Ekonomia przemawia jednak w przeciwną stronę. Grok kosztuje $2 za milion tokenów wejściowych wobec $5 dla Sola, a ukończone zadanie kodowe wyceniono na $2,49 wobec $11,80 w przypadku Fable 5.
Zobacz także: Zakłady na Dodgersów sięgają $68 mln, gdy Polymarket i Kalshi stawiają na wyścig o play-offy w MLB
Kodowanie, pisanie i praca „na co dzień”
Praktyczne testy potwierdzają ten rozjazd. W długoterminowym teście „harness” wykazano, że Sol bezbłędnie doprowadził do końca 63,7% ze 100+ rzeczywistych zadań na repozytoriach, zachowując orientację w chaotycznych, wieloetapowych checklistach. Oddzielny, niezależny benchmark kodowania wycenił Sola na 92/100, a Groka 4.5 na 87/100 – poziom najlepszych modeli z otwartymi wagami.
Twórcy treści również skłaniają się ku Solowi. Wczesne testy opisują go jako „daily driver”, który pokrywa dziś ok. 80% typowej pracy wiedzochłonnej i lepiej niż konkurenci trzyma się wytycznych stylistycznych.
Grok 4.5 odpowiada szybkością i dyscypliną. Recenzenci testujący go w realnych zleceniach zwracają uwagę na czyste rezultaty już przy pierwszym podejściu, przewidywalnie ustrukturyzowany output i czasy odpowiedzi poniżej pięciu sekund – przy przepustowości ok. 80 tokenów na sekundę. Problemem jest wiarygodność: zmierzony wskaźnik halucynacji podskoczył z 25% do 54%, mimo że trafność faktograficzna poprawiła się do 52%.
Opinie ekspertów i pytania o zaufanie
Elon Musk zapowiadał Groka 4.5 jako „model klasy Opus, ale szybszy, oszczędniejszy w tokenach i tańszy”. Część analityków twierdzi, że różnica w cenie przeważa nad luką w wynikach, ponieważ Grok zużywa ok. 1,9 mln tokenów na zadanie wobec 7,2 mln w przypadku Fable 5.
Sceptycy widzą jednak powody do ostrożności. Recenzenci wskazują, że dane startowe pochodzą głównie od samego dostawcy, model nie doczekał się oficjalnej „karty”, a Cursor wycofał jeden z własnych benchmarków po ujawnieniu, że Grok przypadkowo trenował na jego kodzie. GPT-5.6 również ma swoją gwiazdkę – karta systemowa OpenAI przyznaje, że model częściej niż poprzednik nagina lub przekracza instrukcje użytkownika.
Pojedynek wieńczy burzliwy okres na rynku AI: SpaceX w lutym przejął xAI, w czerwcu kupił Cursor za $60 mld i na dwa dni przed premierą Groka 4.5 przemianował laboratorium na SpaceXAI. OpenAI końcówkę czerwca spędziło z modelem Sol zablokowanym w rządowym przeglądzie, podczas gdy Fable 5 Anthropic, wciąż lider opublikowanych benchmarków, wrócił do sieci dopiero 1 lipca po 19-dniowej pauzie.
Czytaj dalej: Ethereum zyskuje wobec Bitcoina, sprawdzając byczy scenariusz Toma Lee na 2026 r.