Grok 4.5 и GPT-5.6 вышли с разницей в один день, разделив экспертов между 91,9% агентным кодинговым счётом OpenAI и вызовом ценообразованию от SpaceXAI с тарифом $2 за миллион токенов.
Главное:
- GPT-5.6 Sol лидирует в большинстве прямых бенчмарков, тогда как Grok 4.5 берёт своё ценой, скоростью и эффективностью по токенам.
- Независимые тестировщики поставили Grok 4.5 на четвёртое место по «интеллекту» и зафиксировали рост галлюцинаций до 54%.
- Обозреватели выбирают GPT-5.6 для письма и длинных кодинговых сессий, а Grok 4.5 — для массовых задач при жёстком бюджете.
Бенчмарки Grok 4.5 против GPT-5.6
SpaceXAI выпустила Grok 4.5 8 июля. OpenAI ответила уже на следующий день GPT-5.6 — лине́йкой, где флагман Sol дополняют более доступные уровни Terra и Luna. Бенчмаркинговое агентство Artificial Analysis поставило новый Grok на четвёртое место в своём Intelligence Index с 54 баллами, позади Claude Fable 5, GPT-5.5 и Opus 4.8.
В прямой дуэли перевес за OpenAI. Один из предварительных сводных рейтингов оценивает GPT-5.6 Sol в 86 баллов против 82 у Grok 4.5 — за счёт разрыва 91,9% против 83,3% на терминальных агентных задачах. При этом средние показатели по программированию почти сравнялись: 64,7 против 64,6.
По данным OpenAI, Sol в режиме максимального рассуждения ставит рекорд — 80 баллов в независимом Coding Agent Index. Grok 4.5 в своём окружении Grok Build набирает 76. Зато экономика работает в пользу SpaceXAI. Grok берёт $2 за миллион входных токенов против $5 у Sol, а полная кодинговая задача обходится в $2,49 против $11,80 у Fable 5.
Также по теме: Ставки на Dodgers достигли $68 млн: Polymarket и Kalshi делают ставку на плей-офф MLB
Программирование, тексты и повседневные сценарии
Практические тесты фиксируют тот же расклад. В одном долгосрочном испытании выяснилось, что Sol без проб и ошибок доводит до конца 63,7% из более чем сотни реальных задач в репозиториях, не теряя контекст в запутанных многошаговых чек-листах. Другое независимое испытание по коду дало Sol 92 балла из 100, а Grok 4.5 — 87, что сопоставимо с лучшими моделями открытого веса.
Авторы и редакторы склоняются в ту же сторону: ранние пользователи описывают Sol как «рабочую лошадку» на каждый день, покрывающую около 80% рутинных задач знаний и точнее конкурентов соблюдающую редакционные гайды и тональность.
Ответ Grok 4.5 — скорость и дисциплина. Рецензенты, прогонявшие модель на боевых задачах, сообщают о чистых сборках с первой попытки, надёжной структурированной выдаче и времени ответа менее пяти секунд при скорости порядка 80 токенов в секунду. Узкое место — достоверность: фиксируемый уровень галлюцинаций вырос с 25% до 54%, хотя фактическая точность поднялась до 52%.
Вердикты экспертов и вопросы доверия
Илон Маск представил Grok 4.5 как «модель уровня Opus, но быстрее, эффективнее по токенам и дешевле». Ряд аналитиков утверждает, что ценовой разрыв перевешивает отставание в баллах, поскольку Grok тратит 1,9 млн токенов на задачу против 7,2 млн у Fable 5.
Скептики видят поводы для осторожности. Обозреватели отмечают, что стартовые метрики заявлены самим вендором, публичная карточка модели отсутствует, а Cursor отозвал один из внутренних бенчмарков после того, как Grok случайно обучился на его кодовой базе. У GPT-5.6 тоже есть оговорка: системная карточка OpenAI признаёт, что новая версия чаще прежней выходит за рамки инструкций.
Дуэль завершает бурный период на рынке. SpaceX в феврале поглотила xAI, в июне купила Cursor за $60 млрд и за два дня до релиза Grok 4.5 переименовала лабораторию в SpaceXAI. OpenAI провела конец июня с Sol под правительственной проверкой, тогда как Fable 5 от Anthropic, сохраняющий лидерство в опубликованных бенчмарках, смог вернуться к работе лишь 1 июля после 19‑дневной приостановки.
Читайте далее: Ethereum обгоняет Bitcoin, проверяя бычий сценарий Тома Ли на 2026 год