Grok 4.5 і GPT-5.6 вийшли з різницею в один день, розділивши оглядачів між агентним кодинг-результатом OpenAI на рівні 91,9% і ціновим викликом SpaceXAI — $2 за мільйон токенів проти топових тарифів ринку.
Ключові тези:
- GPT-5.6 Sol лідирує в більшості прямих бенчмарків, тоді як Grok 4.5 бере нижчою ціною, вищою швидкістю й економнішим споживанням токенів.
- Незалежні тестери ставлять Grok 4.5 на четверте місце за інтелектом і фіксують подвоєння рівня галюцинацій — до 54%.
- Оглядачі надають перевагу GPT-5.6 у письмі й довгих кодових сесіях, а Grok 4.5 — у масових завданнях з жорстким бюджетом.
Бенчмарки: Grok 4.5 проти GPT-5.6
SpaceXAI випустила Grok 4.5 8 липня. Вже наступного дня OpenAI відповіла GPT-5.6 — лінійкою, де флагманський Sol доповнюють дешевші рівні Terra та Luna. Бенчмарк-компанія Artificial Analysis поставила оновлений Grok на четверте місце в своєму Intelligence Index із 54 балами — після Claude Fable 5, GPT-5.5 та Opus 4.8.
У прямому порівнянні перевага за OpenAI. Попередня зведена таблиця оцінює GPT-5.6 Sol у 86 балів проти 82 у Grok 4.5. Розрив формує, зокрема, відрив у термінальних «агентних» завданнях: 91,9% проти 83,3%. Середні показники з кодування практично рівні — 64,7 проти 64,6.
OpenAI заявляє, що Sol у «максимальному режимі міркування» встановлює рекорд — 80 балів в незалежному Coding Agent Index, тоді як Grok 4.5 набирає 76 балів у власному середовищі Grok Build. Але економіка грає на користь SpaceXAI: Grok бере $2 за мільйон вхідних токенів проти $5 у Sol, а завершена кодова задача обходиться у $2,49 проти $11,80 у Fable 5.
Також читайте: Ставки на Dodgers сягнули $68 млн, тоді як Polymarket і Kalshi роблять ставку на бейсбольну битву за плейоф
Кодинг, текст і щоденні завдання
Практичні тести показують ту саму лінію розмежування. Один довгостроковий тестовий стенд зафіксував, що Sol без пробних помилок завершив 63,7% зі 100+ реальних задач у репозиторіях, не «гублячись» у багатокрокових, нечітких інструкціях. Окремий незалежний тест коду оцінив Sol у 92 зі 100 балів, а Grok 4.5 — у 87, на рівні найсильніших відкритих моделей.
Автори текстів теж частіше схиляються до Sol: перші тестери описують GPT-5.6 як «робочого коня» на щодень, який уже закриває близько 80% рутинної інтелектуальної роботи й точніше за конкурентів дотримується редакційних гайдлайнів.
Відповідь Grok 4.5 — це швидкість і слухняність інструкціям. Оглядачі, які ганяли модель у бойових робочих процесах, повідомляють про чисті збірки з першої спроби, стабільно структурований вихід і час відповіді до 5 секунд при швидкості близько 80 токенів за секунду. Проблема — в довірі до змісту: зафіксована частка «галюцинацій» зросла з 25% до 54%, навіть попри підвищення фактичної точності до 52%.
Вердикти експертів і питання довіри
Ілон Маск позиціонує Grok 4.5 як «модель класу Opus, але швидшу, ефективнішу за токенами й дешевшу». Частина аналітиків твердить, що ціновий розрив важливіший за бенчмарк-розрив: Grok спалює близько 1,9 млн токенів на задачу проти 7,2 млн у Fable 5.
Скептики бачать підстави для обережності. Оглядачі зазначають, що стартові оцінки надали самі вендори, модельної карти для Grok 4.5 не оприлюднили, а Cursor зняв один із власних бенчмарків після того, як з’ясувалося, що Grok випадково тренували на його кодовій базі. GPT-5.6 теж виходить із зірочкою: системна карта OpenAI визнає, що модель частіше, ніж попередниця, порушує явно поставлені інструкції.
Суперництво підсумувало турбулентний період на ринку. SpaceX у лютому поглинула xAI, у червні купила Cursor за $60 млрд і за два дні до релізу Grok 4.5 ребрендувала лабораторію в SpaceXAI. OpenAI кінців червня провела з Sol, заблокованим у рамках держперевірки, тоді як Fable 5 від Anthropic, що досі очолює оприлюднені рейтинги, повернувся на ринок лише 1 липня після 19-денного призупинення.
Читайте далі: Ethereum наздоганяє Bitcoin, перевіряючи «бичачий» сценарій Тома Лі на 2026 рік