Análisis de Grok 4.5: benchmarks, precios y el veredicto

Qué es realmente Grok 4.5

Grok 4.5 es, según la propia descripción de xAI, "our flagship model for code and everything else: agentic tool calling, minimal hallucinations, configurable reasoning" y, en palabras de la empresa, "the most intelligent and fastest model we've built." Se lanzó públicamente el 8 de julio de 2026, tras una beta privada en SpaceX y Tesla que, según los informes, comenzó alrededor del 28 de junio.

El modelo en sí, grok-4.5 en la API, es un único SKU con razonamiento configurable en lugar de la división fast/mini/heavy que usan algunos laboratorios. Ajusta reasoning_effort a low, medium o high (high es el valor por defecto), y el modelo intercambia velocidad por profundidad en consecuencia. El salto de especificaciones más destacado respecto al anterior Grok 4.3 es una ventana de contexto de 500.000 tokens (Artificial Analysis lo llama aproximadamente 750 páginas A4), además de herramientas del lado del servidor integradas para búsqueda web, búsqueda en X y ejecución de código que puedes invocar sin montar tu propia capa de recuperación.

Dónde realmente te lo vas a encontrar: ahora es el modelo por defecto en Grok Build, la CLI del agente de codificación de xAI, viene incluido en todos los planes de Cursor, y es el modelo por defecto detrás de los complementos al estilo Microsoft Copilot para Word, PowerPoint y Excel. También está disponible en OpenRouter, Vercel, Cloudflare, Snowflake y Databricks Mosaic si prefieres no tocar directamente la consola de xAI.

Los benchmarks, verificados de forma independiente

La propia página de lanzamiento de xAI no se pudo extraer mediante scraping (un problema común en páginas de anuncios con mucho JS), así que las cifras a continuación provienen de la medición independiente de Artificial Analysis de Grok 4.5 con razonamiento alto, que de todos modos es la fuente más sólida ya que no está calificada por la empresa que construyó el modelo.

Ese resultado de uso de herramientas agenticas es el que vale la pena detenerse a considerar: no es «top 4», es directamente el mejor puntaje de la tabla. La propia lectura de Artificial Analysis es que Grok 4.5 está "amongst the leading models in intelligence and reasonably priced when comparing to other models of similar price", y además es más rápido y más conciso que el promedio de su clase, generando 60 millones de tokens en la ejecución completa del Intelligence Index frente a un promedio de 72 millones de tokens.

Una cifra que hay que tratar con cautela: los informes durante la beta privada afirmaron que Musk said Grok 4.5 "may match or exceed Anthropic's Opus model in performance". Las cifras independientes lo sitúan justo por debajo de Opus 4.8 (56) y aproximadamente al nivel de Opus 4.7 (54). Lee el marketing del lanzamiento como lo que es: marketing.

Precios de Grok 4.5

Precios completos de la API, confirmados en la documentación de xAI y en la página del modelo grok-4.5:

Las herramientas del lado del servidor se facturan además de los tokens: búsqueda web, búsqueda en X y ejecución de código cuestan cada una 5 $ por cada 1.000 llamadas; la búsqueda en archivos adjuntos cuesta 10 $/1.000 llamadas; la búsqueda en colecciones/RAG cuesta 2,50 $/1.000 llamadas. El almacenamiento cuesta 0,025 $/GiB/día para archivos y 0,10 $/GiB/día para colecciones. Si superas la marca de 200K tokens en una sola solicitud, xAI cobra una tarifa diferente y más alta, aunque la cifra exacta no estaba publicada en la página de documentación al momento de escribir esto, así que hay que presupuestarlo en lugar de asumir que es plano.

En el lado del consumidor, los nombres de los niveles están confirmados (Grok Free, SuperGrok, SuperGrok Heavy, acceso incluido a través de X Premium+), pero xAI no ha publicado el precio en dólares de SuperGrok en ninguna página que realmente se pueda extraer mediante scraping. Las cifras de ~30 $/mes para SuperGrok y ~300 $/mes para SuperGrok Heavy que verás citadas por la web son secundarias y no confirmadas en una fuente primaria, así que trátalas como aproximadamente correctas, no como palabra final, hasta que xAI ponga una cifra en su propia página de precios. El acceso anticipado a Grok 4.5 en la app de consumo se dio primero a los suscriptores de SuperGrok y X Premium+.

Para ver cómo se compara esto con el resto del panorama, consulta nuestra guía de precios de xAI completa.

Cómo cayó realmente el lanzamiento

Como Grok 4.5 tiene apenas unas horas de vida al momento de este análisis, la cobertura de la comunidad se concentra en Hacker News y X en lugar de Reddit, que estaba bloqueado tanto para la búsqueda como para el acceso directo al momento de escribir esto. Lo que hay ahí es una reacción genuinamente dividida, no una victoria unilateral.

En el lado positivo, el CEO de Cursor, Michael Truell, publicó que Grok 4.5 es "an Opus-class model that's fast and low cost… a significant step up over any model we've developed so far" y que se ha "become the daily driver for many on our team" (vale la pena notar que Cursor colanzó el modelo, así que este es un respaldo cercano al proveedor, no un tercero neutral). Artificial Analysis en X señaló que alcanzó su puntuación GDPval-AA v2 "at a cost of $0.49 per task", situándolo claramente en la frontera de costo frente a rendimiento.

"Grok is not a serious AI, it's not suitable for professional work and has mediocre performance anyway."

13415, Hacker News

"I just don't think that I can ever trust an xAI model knowing that they are actively trying to shape its replies to fit a political narrative. How can you trust their models to be reliable in a business setting with the foreknowledge that their models are being nudged around in the backend?"

jesse_dot_id, Hacker News

Ese hilo sobre confianza fue el tema individual más ruidoso en la publicación de lanzamiento de Hacker News, por delante de cualquier discusión sobre capacidades. También apareció un contraargumento en el mismo hilo: un comentarista replicó que "Grok has in most of my testing been MORE politically correct than GPT and Gemini… on grok.com or in the app Grok is very tame." Ambas lecturas conviven en la misma sección de comentarios, lo que indica que el debate está sin resolver, no zanjado en ninguna dirección.

En cuanto a la capacidad de codificación pura, el panorama es mixto en la práctica aunque los benchmarks se vean sólidos sobre el papel. En el hilo de comparación práctica más discutido, donde alguien hizo que Grok 4.5, GPT-5.5 y Claude construyeran las mismas apps, un comentarista señaló que era "so strange to write a whole post with Claude giving the best results and Grok consistently the worst, but awarding Grok the winner because at least it did the worst fastest." Otro lo calificó de "pretty decent, comparable with some older Opus models, and fairly cheap per token". Barato y rápido es el hilo constante; la calidad de salida de primer nivel no lo es.

Ventajas y desventajas de Grok 4.5

En qué es realmente bueno:

• La forma más barata de obtener inteligencia casi de frontera. A 2 $/6 $ por 1 millón de tokens, es más barato que lo que pagarías por una salida de la clase de Claude o GPT-5.5, mientras se queda a solo unos puntos de ellos en el Intelligence Index.
• El mejor puntaje de uso de herramientas agenticas de toda la tabla, punto, no solo «de primer nivel». Si tu carga de trabajo consiste en llamar herramientas y ejecutar acciones en lugar de escribir ensayos, esta es la cifra que más importa.
• Rápido. 85,6 tokens/seg. frente a un promedio de ~73, y notablemente más conciso que el modelo promedio en la misma tarea.
• Una ventana de contexto genuinamente grande de 500K tokens, útil para cualquier cosa que necesite mantener a la vista mucho historial de tickets, documentación o código a la vez.

Dónde se queda corto:

• No es el modelo más inteligente disponible. Ocupa el puesto 4 en el Intelligence Index, detrás de Claude Fable 5, Claude Opus 4.8 y GPT-5.5. Si la calidad de razonamiento puro es lo único que estás optimizando, no es la elección.
• La confianza es una preocupación activa y sin resolver, y es el tema individual más ruidoso en la reacción de la comunidad, no una nota al pie. Eso importa mucho más una vez que el modelo está de cara al cliente que cuando escribe código en un IDE.
• Sin descuento por lotes en el lanzamiento, a diferencia del anterior grok-4.3, que tenía un 20% de descuento en cargas asíncronas.
• Los precios para consumidores no están realmente publicados en ningún lugar verificable. La cifra de ~30 $/mes de SuperGrok es reportada por la comunidad, no confirmada en una página primaria de xAI.

¿Es bueno Grok 4.5 para atención al cliente?

Aquí es donde el modelo y el caso de uso empiezan a divergir. xAI llama a "minimal hallucinations" una propiedad destacada de Grok 4.5, y de forma independiente, eso es plausible, menos alucinaciones es genuinamente mejor que más. Pero mínimo no es cero, y una cola de soporte es el único lugar donde «normalmente correcto» no es suficientemente bueno, porque una respuesta incorrecta no solo se ve mal en una tabla de benchmarks, llega a un cliente real.

He visto este exacto patrón de fallo de cerca. En los primeros despliegues propios de eesel, un bot sin un respaldo estricto ante una búsqueda fallida en la base de conocimiento a veces fabricaba una respuesta a partir de lo que fuera que hubiera visto en su entrenamiento en lugar de decir que no lo sabía, en un caso memorable respondiendo a una pregunta de soporte completamente no relacionada con «Oxígeno», sacado directamente de la tabla periódica, porque la recuperación volvió vacía y el modelo llenó el vacío de todos modos. Eso no es un problema específico de Grok, es lo que cualquier modelo capaz hace por defecto cuando nada le impide adivinar con confianza. También es exactamente el tipo de objeción que escuchamos en las llamadas de ventas: los compradores quieren una IA que solo responda los tickets de los que realmente está segura, y deje silenciosamente el resto para un humano, en lugar de una que intenta responder todo y a veces se equivoca donde un cliente puede verlo.

Esa es la brecha entre «un modelo sólido» y «una configuración de soporte segura». eesel limita el modelo a tu propia documentación de ayuda y tickets pasados, enruta a un humano todo lo que esté por debajo de un umbral de confianza en lugar de adivinar, y ejecuta una simulación completa contra tus tickets históricos antes de que nada salga en vivo, para que puedas ver exactamente qué habría dicho, en casos pasados reales, antes de que un solo cliente vea una respuesta. Funciona igual sin importar qué modelo haya debajo, Grok 4.5, GPT o Claude, porque el envoltorio es la verdadera capa de seguridad, no la elección del modelo.

El veredicto

Si estás eligiendo un modelo para trabajo agentico con mucho uso de herramientas y el costo importa, Grok 4.5 es una elección genuinamente sólida, posiblemente la mejor opción de precio-rendimiento del mercado en este momento para ese trabajo específico. Si necesitas el modelo más inteligente sin más para razonamiento abierto, Claude Fable 5, Claude Opus 4.8 o GPT-5.5 todavía lo superan, a un precio más alto. Y si lo estás sopesando para algo de cara al cliente, la calidad del modelo nunca fue realmente el cuello de botella, lo son las preocupaciones de confianza y la falta de un freno estricto ante respuestas incorrectas seguras de sí mismas, lo cual es más un problema de configuración que un problema de modelo.

Prueba eesel

Gane el modelo de frontera que gane este mes, Grok 4.5, GPT-5.5 o lo que sea que salga después, la parte difícil del soporte con IA nunca fue elegir el LLM más inteligente. Es asegurarse de que el modelo solo responda lo que realmente sabe, y transfiera el resto de forma limpia. eesel se instala sobre tu helpdesk existente, ya sea Zendesk, Freshdesk, Gorgias, HubSpot o Front, aprende de tu historial real de tickets desde el primer día, y ejecuta una simulación completa contra tus tickets pasados para que puedas ver la cobertura exacta antes de que toque una conversación en vivo. El precio es basado en uso, 0,40 $ por ticket resuelto, sin tarifas por asiento y sin mínimo de plataforma, así que no pagas por el puntaje de benchmark de un modelo, pagas por los tickets que realmente cerró.