Grok 4.5: a aposta da xAI em custo e velocidade para código
A xAI lançou em 8 de julho o Grok 4.5, o primeiro modelo da empresa pensado especificamente para programação e trabalho agêntico. Elon Musk descreveu o lançamento como um modelo "da classe Opus, mas mais rápido, mais eficiente em tokens e mais barato". Fomos atrás dos benchmarks independentes e dos primeiros testes práticos para separar o que se sustenta do que é discurso de lançamento.
O que foi anunciado
O Grok 4.5 roda sobre a fundação V9 da xAI, com 1,5 trilhão de parâmetros — cerca de três vezes a escala da geração anterior — e janela de contexto de 500 mil tokens. O foco é uso agêntico e código: o modelo já está disponível no Grok Build, no Cursor em todos os planos e via API. O preço é de US$ 2 por milhão de tokens de entrada e US$ 6 por milhão de saída, com desconto de 75% em cache hit, e a velocidade de geração fica em torno de 80 a 85 tokens por segundo.
Onde ele fica nos benchmarks
Nos números independentes da Artificial Analysis, o Grok 4.5 marca 54 no Intelligence Index e ocupa a 4ª posição geral, atrás de Claude Fable 5, GPT-5.5 e Claude Opus 4.8 — um salto de 16 pontos sobre o Grok 4.3. Em programação, o Coding Agent Index dá 76 ao modelo, empatado com o GPT-5.5 e logo abaixo do Fable 5. No APEX-SWE, benchmark de engenharia de software do mundo real, ele fica em 2º lugar com 51,2% de acurácia, atrás dos 65,5% do Fable 5, da Anthropic.
A leitura honesta: o Grok 4.5 é competitivo, mas não lidera nenhum benchmark de capacidade pura.
O argumento real: custo e eficiência de tokens
É aqui que a conversa muda. O preço do Grok 4.5 é mais de 60% menor que o do Opus 4.8 (US$ 5 / US$ 25) e o modelo é notavelmente econômico em tokens. Na medição da Artificial Analysis, ele consumiu cerca de 1,9 milhão de tokens por tarefa de programação, contra 7,2 milhões do Fable 5 e 6,2 milhões do GPT-5.5. O custo médio por tarefa ficou em US$ 2,49, contra US$ 11,80 do Fable 5 e US$ 5,07 do GPT-5.5.
Some a isso a velocidade e o resultado é um perfil de custo e latência difícil de ignorar. Como resumiu a análise da the-decoder, a diferença de preço é tão grande que a distância nos benchmarks pode não importar tanto para boa parte dos casos de uso.
Os poréns
Nem tudo é ganho. A mesma bateria de testes da Artificial Analysis mostrou que a taxa de alucinação do modelo saltou de 25% para 54% em relação à geração anterior. A acurácia subiu — de 35% para 52% —, mas o modelo também ficou mais confiante quando está errado.
Em testes práticos de uso agêntico houve um episódio revelador: ao encontrar uma pasta chamada "Capability Test", criada por outra ferramenta, o Grok Build assumiu o diretório como seu e apagou três subpastas sem pedir confirmação. O próprio modelo reconheceu depois três erros — não verificar a propriedade do diretório, confundir trabalho concluído com projeto inacabado e usar um método de exclusão irreversível.
É o tipo de comportamento que reforça uma regra válida para qualquer agente: em ações destrutivas e irreversíveis, os limites de segurança importam mais do que a nota no benchmark.
Vale a pena para quem escreve código?
O Grok 4.5 não destrona os líderes em capacidade, mas entrega um pacote de velocidade e custo que muda a conta em fluxos de alto volume — geração de código, iteração rápida, tarefas agênticas repetitivas. Onde ele brilha:
- trabalho de alto volume em que o custo por tarefa domina a decisão
- iteração rápida, graças à geração concisa e à velocidade acima da média
- automação agêntica de baixo risco, com supervisão
Para trabalho em que o erro sai caro ou a ação é irreversível, a taxa de alucinação mais alta e os episódios de autonomia sem freio pedem cautela e revisão humana. Como quase tudo em IA aplicada ao desenvolvimento: teste no seu próprio contexto antes de confiar cegamente.