Niezależne testy stawiają Grok 4.5 na czwartym miejscu wśród najlepszych modeli AI

Firma badawcza Artificial Analysis opublikowała niezależne wyniki testów modelu Grok 4.5 od SpaceXAI, wydanego 8 lipca 2026 roku. Model uzyskał 54 punkty w Intelligence Index, co daje mu czwarte miejsce za Claude Fable 5, GPT-5.5 i Claude Opus 4.8, ale jednocześnie pobił rywali w zadaniach agentowych i okazał się wielokrotnie tańszy w przeliczeniu na wykonane zadanie.

Mniej punktów, więcej efektywności

Wynik 54 punktów w Intelligence Index oznacza dla Grok 4.5 poprawę o 16 punktów względem poprzedniej wersji, Grok 4.3, i plasuje model SpaceXAI na granicy najlepszych systemów świata, choć wciąż za trójką liderów z Anthropic i OpenAI. Grok 4.5 wyprzedza jednak wszystkie modele z otwartymi wagami oraz modele Google z rodziny Gemini, co samo w sobie jest istotną zmianą układu sił na rynku.

Znacznie ciekawiej model wypada w testach efektywności tokenowej. Na SWE-Bench Pro Grok 4.5 rozwiązuje zadania, zużywając średnio 15 954 tokeny wyjściowe, podczas gdy Claude Opus 4.8 w trybie max potrzebuje aż 67 020 tokenów na to samo zadanie - ponad czterokrotnie więcej. Przy prędkości 85,6 tokena na sekundę, wobec średniej rynkowej rzędu 73, Grok 4.5 należy do najszybszych modeli oferowanych obecnie komercyjnie.

Agentowe zadania i bankowość

Najmocniejszą stroną modelu okazały się zadania agentowe, czyli scenariusze wymagające samodzielnego wykonywania wieloetapowych czynności bez stałego nadzoru człowieka. Na benchmarku AutomationBench-AA Grok 4.5 uzyskał najlepszy wynik ze wszystkich testowanych modeli, wyprzedzając zarówno Claude Fable 5, jak i Claude Opus 4.8. Podobnie na τ³-Banking, symulującym obsługę klienta w sektorze bankowym, model SpaceXAI zanotował najwyższy wynik spośród wszystkich mierzonych systemów.

Artificial Analysis podkreśla, że Grok 4.5 znajduje się na granicy opłacalności we wszystkich trzech testach agentowych jednocześnie, co oznacza, że żaden inny model nie oferuje lepszego stosunku jakości do ceny w tej kategorii zadań. To istotne dla firm wdrażających agentów AI do obsługi klienta czy automatyzacji procesów, gdzie koszt pojedynczego wykonanego zadania liczy się bardziej niż surowy wynik testu wiedzy ogólnej.

Cena jako główny argument

Przy cenniku 2 dolarów za milion tokenów wejściowych i 6 dolarów za milion wyjściowych, Grok 4.5 kosztuje 0,31 dolara za zadanie w Intelligence Index - wielokrotnie mniej niż droższe modele konkurencji o zbliżonych możliwościach. W testach kodowania koszt zadania w Coding Agent Index wynosi 2,59 dolara, a sam model zdobywa tam 76 punktów, na równi z GPT-5.5 w trybie wysokiej wydajności i tylko nieznacznie poniżej Claude Fable 5.

Taka kombinacja wysokiej wydajności agentowej i niskiego kosztu zmienia rachunek ekonomiczny dla firm uruchamiających agentów AI na dużą skalę. Przy modelach rozliczanych za token, a nie za pojedyncze zapytanie, czterokrotna różnica w zużyciu tokenów na zadanie przekłada się bezpośrednio na rachunki za infrastrukturę liczone w milionach dolarów miesięcznie przy dużym wolumenie.

Grok 4.5 stands out on the Pareto frontier across all three agentic evaluations - Artificial Analysis

Cień kontrowersji

Premierze towarzyszyła też dyskusja niezwiązana bezpośrednio z możliwościami modelu. Najgłośniejszy wątek na forum Hacker News w dniu premiery dotyczył nie wydajności, lecz zaufania - użytkownicy wskazywali na wcześniejsze zarzuty, że Elon Musk ingerował w odpowiedzi modeli Grok na pytania polityczne. To kolejny epizod w serii kontrowersji wokół moderacji treści i stronniczości modeli tej rodziny, które towarzyszą marce od jej powstania.

Dla polskich firm i deweloperów rozważających wybór dostawcy modeli językowych do zadań agentowych, wyniki Artificial Analysis pokazują, że sama pozycja w rankingu ogólnej inteligencji nie mówi wszystkiego - w konkretnych zastosowaniach biznesowych, jak automatyzacja obsługi klienta czy zadania kodowania na dużą skalę, decydować może raczej koszt wykonania zadania niż surowy wynik testu wiedzy.

Źródła: Artificial Analysis (artificialanalysis.ai), MarkTechPost (marktechpost.com), Tech Times (techtimes.com)