Grok 4.5 e GPT-5.6 chegaram ao mercado com apenas um dia de diferença, dividindo analistas entre os 91,9% de pontuação em tarefas de código “agênticas” da OpenAI e o desafio da SpaceXAI à fronteira de preços, com cobrança de US$ 2 por milhão de tokens.
Principais pontos:
- GPT-5.6 Sol lidera a maioria dos benchmarks diretos, enquanto o Grok 4.5 o supera em preço, velocidade e eficiência de tokens.
- Testes independentes colocam o Grok 4.5 em quarto lugar em inteligência e apontam uma taxa de alucinação que dobrou para 54%.
- Avaliadores preferem o GPT-5.6 para escrita e sessões longas de programação, e o Grok 4.5 para trabalho de alto volume com orçamento apertado.
Benchmarks: Grok 4.5 vs. GPT-5.6
A SpaceXAI lançou o Grok 4.5 em 8 de julho. A OpenAI respondeu no dia seguinte com o GPT-5.6, uma família que combina o carro-chefe Sol com as faixas mais baratas Terra e Luna. A empresa de benchmarks Artificial Analysis colocou o novo Grok em quarto lugar no seu Intelligence Index, com 54 pontos, atrás de Claude Fable 5, GPT-5.5 e Opus 4.8.
No confronto direto, a vantagem é da OpenAI. Um placar preliminar aponta o GPT-5.6 Sol com 86 pontos contra 82 do Grok 4.5, impulsionado por uma diferença de 91,9% para 83,3% em tarefas agênticas em terminal. Já as médias de programação ficam praticamente empatadas: 64,7 contra 64,6.
A OpenAI afirma que o Sol, no máximo de capacidade de raciocínio, estabeleceu um recorde de 80 pontos no independente Coding Agent Index, em que o Grok 4.5 marca 76 dentro do seu ambiente Grok Build. Na economia, porém, a balança vira. O Grok cobra US$ 2 por milhão de tokens de entrada, ante US$ 5 do Sol, e um job de código concluído sai por US$ 2,49 contra US$ 11,80 no Fable 5.
Também leia: Apostas nos Dodgers chegam a US$ 68 milhões enquanto Polymarket e Kalshi surfam a corrida aos playoffs do beisebol
Programação, escrita e tarefas do dia a dia
Relatos práticos refletem a mesma divisão. Em um teste de longo prazo, um framework de avaliação detectou que o Sol concluiu 63,7% de mais de 100 tarefas reais em repositórios, sem erros de tentativa, mantendo contexto em checklists multi-etapas e desorganizadas. Em outro benchmark independente de programação, o modelo da OpenAI foi avaliado com 92 de 100 pontos, enquanto o Grok 4.5 ficou em 87, no nível dos melhores modelos de pesos abertos.
No front da escrita, a tendência se repete: avaliadores iniciais descrevem o Sol como um “driver diário” capaz de cobrir cerca de 80% do trabalho intelectual de rotina, seguindo guias de estilo com mais rigor do que os concorrentes.
O Grok 4.5 responde com velocidade e disciplina às instruções. Usuários que o colocaram em produção, em trabalhos reais, relataram entregas limpas já na primeira tentativa, saída estruturada consistente e respostas abaixo de cinco segundos, a algo como 80 tokens por segundo. O calcanhar de Aquiles é a confiabilidade: a taxa medida de alucinações saltou de 25% para 54%, mesmo com a precisão factual subindo para 52%.
Vereditos de especialistas e o tema da confiança
Elon Musk apresentou o Grok 4.5 como “um modelo de classe Opus, mas mais rápido, mais eficiente em tokens e mais barato”. Alguns analistas argumentam que o diferencial de preço pesa mais que a diferença nos scores, já que o Grok consome em média 1,9 milhão de tokens por tarefa, contra 7,2 milhões do Fable 5.
Céticos veem motivos para cautela. Avaliadores observaram que as pontuações de lançamento foram reportadas pelos próprios fornecedores, que nenhum “model card” foi publicado e que a Cursor retirou um benchmark interno depois que o Grok foi inadvertidamente treinado em seu código-fonte. O GPT-5.6 também vem com asterisco: o system card da OpenAI reconhece que o modelo desrespeita instruções com mais frequência do que a geração anterior.
A disputa coroa um período turbulento. A SpaceX incorporou a xAI em fevereiro, comprou a Cursor por US$ 60 bilhões em junho e rebatizou o laboratório como SpaceXAI dois dias antes da chegada do Grok 4.5. A OpenAI passou o fim de junho com o Sol travado em uma revisão governamental, enquanto o Fable 5, da Anthropic, ainda líder dos benchmarks publicados, só voltou ao ar em 1º de julho após 19 dias de suspensão.
Leia a seguir: Ethereum ganha terreno sobre o Bitcoin e testa o cenário otimista de Tom Lee para 2026