O que o Grok 4.5 realmente é
Grok é a plataforma de assistente e API da xAI, e o 4.5 é o carro-chefe mais recente da linha. A própria documentação da xAI o descreve como "o modelo de ponta da SpaceXAI construído para programação, tarefas agênticas e trabalho de conhecimento" (a empresa agora exibe seu nome como "SpaceXAI" em todas as suas propriedades, embora o modelo continue sendo simplesmente Grok). Na visão geral dos modelos, eles abrem com três palavras que dizem para quem é: "uso agêntico de ferramentas, alucinações mínimas, raciocínio configurável".
Algumas coisas são novas em relação à linha Grok 4:
- Uma janela de contexto de 500 mil tokens, confirmada pela página do modelo, com uma taxa mais alta acima do limite de 200 mil. Isso equivale a aproximadamente um livro pequeno de contexto em uma única solicitação.
- Raciocínio configurável por meio de uma configuração
reasoning_effortcom níveis baixo, médio e alto (alto é o padrão), permitindo trocar latência por profundidade a cada chamada. - Alucinações mínimas como uma afirmação de design explícita, que a xAI coloca em primeiro plano em vez de esconder numa nota de rodapé.
- Entrada multimodal, que recebe texto e imagens e retorna texto, segundo a página de detalhes do modelo.
- Ferramentas integradas no lado do servidor, incluindo chamadas de função, busca na web, busca no X e execução de código diretamente pela API.
Já está disponível em muitos lugares no primeiro dia: a API da xAI, como modelo padrão no agente de programação Grok Build da xAI, dentro do Cursor, como padrão nos complementos do Microsoft Office, e por meio de gateways como OpenRouter e Vercel. O acesso à API na UE foi a única lacuna no lançamento, listado como "esperado ainda este mês".
Se você leu nossa análise sobre as atualizações do Claude da Anthropic para suporte, o padrão aqui é familiar: um modelo forte de código e agentes, com preço competitivo, chegando a um mercado onde o ranking se reorganiza a cada poucas semanas.
Os benchmarks: hype versus onde ele realmente se posiciona
É aqui que um post de hype costuma fazer rodeios. Vou evitar isso. Os números abaixo são as medições independentes da Artificial Analysis para o Grok 4.5 (alto), o que é uma citação mais confiável do que qualquer gráfico do fornecedor no dia do lançamento.
Aqui está a leitura honesta do placar da Artificial Analysis:
- Intelligence Index: 54, posição #4 de 168. Fica logo atrás do Claude Fable 5 (60), do Claude Opus 4.8 (56) e do GPT-5.5 (55), e empata com o Claude Opus 4.7 (54). Isso está bem acima da média da categoria, de cerca de 29, então a 4ª posição é um resultado muito bom, só não é o 1º.
- Uso agêntico de ferramentas: 33%, a melhor pontuação entre todos os modelos analisados, à frente do GPT-5.5 e do Claude Sonnet 4.6. Este é o verdadeiro destaque do Grok 4.5, e para automação de suporte é o número mais relevante da página.
- GPQA Diamond (raciocínio científico): 93%, no grupo de topo.
- Terminal-Bench (programação agêntica): 82%, quinto lugar, atrás dos principais lançamentos da Claude e da GPT.
- Velocidade: 85,6 tokens de saída por segundo, mais rápido que a média de cerca de 73, e notavelmente conciso na quantidade que gera.
Vale destacar a lacuna entre o hype e o placar. Durante o lançamento, o CEO da Cursor o chamou de "modelo de classe Opus", que é "rápido e de baixo custo", uma afirmação justa, embora valha lembrar que a Cursor colançou o modelo. Os números independentes o colocam um pouco abaixo do Opus 4.8 em inteligência bruta e claramente na fronteira custo-desempenho. Então a versão sóbria é: inteligência de classe Opus por dólar, não inteligência que supera o Opus. Para a maioria dos compradores, o retorno por dólar é o número que realmente importa.
Quanto custa o Grok 4.5
O Grok 4.5 tem preços pensados para reduzir custos, e na maior parte consegue. Aqui está o panorama completo segundo a documentação de preços da xAI e a página do modelo.
| Plano | O que é | Entrada | Saída | Notas |
|---|---|---|---|---|
| API Grok 4.5 | Tokens pagos por uso | $2.00 / 1M | $6.00 / 1M | Entrada em cache US$ 0,50 / 1M (−75%); contexto de 500K; taxa mais alta acima de 200K |
| Grok (grátis) | App para consumidores | - | - | Uso diário limitado no grok.com, X, iOS, Android |
| SuperGrok | Assinatura para consumidores | - | - | ~US$ 30/mês para limites mais altos (valor relatado pela comunidade, não confirmado numa página oficial) |
| SuperGrok Heavy | Nível superior para consumidores | - | - | ~US$ 300/mês (relatado pela comunidade; o grok.com não exibe texto de preço para confirmar) |
O número da API é a referência a se usar porque está confirmado na própria documentação da xAI. Com US$ 2 de entrada e US$ 6 de saída, o Grok 4.5 é mais barato do que a maioria dos concorrentes de ponta enquanto pontua na vizinhança deles, e esse é todo o argumento de venda. No Hacker News, um comentarista resumiu a reação sem rodeios:
"Bem decente, comparável a alguns modelos Opus mais antigos, e bastante barato por token."
Barato por token é real, mas é também onde boa parte da matemática do suporte com IA erra. O preço por token não é o mesmo que o custo por ticket resolvido. Um modelo conciso que responde num único turno limpo pode ser mais barato na prática do que um modelo "mais barato" que fica dando voltas, tentando de novo e escalando. Desmontamos esse fio em quanto custa um agente de suporte de IA, e a versão curta é que a unidade em que você deveria precificar é uma conversa resolvida, não um milhão de tokens.
O que as pessoas estão realmente dizendo
Como o Grok 4.5 tem apenas horas de vida, a conversa verificável está concentrada no Hacker News e no X, em vez dos sites de análise de sempre. O sentimento se divide em três campos claros.
Os fãs gostam da inteligência por dólar. A Artificial Analysis observou que ele "obtém 54 pontos para ficar em quarto lugar" enquanto está "claramente na fronteira de Pareto" em custo.
Os céticos são diretos, e a crítica deles é menos sobre capacidade e mais sobre confiança num ambiente empresarial:
"Simplesmente não acho que eu possa confiar num modelo da xAI sabendo que eles estão ativamente tentando moldar suas respostas para se encaixarem numa narrativa política. Como você pode confiar que os modelos deles sejam confiáveis num ambiente empresarial sabendo de antemão que os modelos deles estão sendo manipulados por trás dos panos?"
Há uma réplica justa no mesmo tópico, de alguém que havia testado:
"O Grok, na maioria dos meus testes, tem sido MAIS politicamente correto do que o GPT e o Gemini... no grok.com ou no app, o Grok é bem comportado. Eu diria até que é entediantemente comportado."
E depois há o grupo de verificação da realidade, testando a proposta de programação na prática em vez de num ranking:
"É tão estranho escrever um post inteiro em que o Claude dá os melhores resultados e o Grok, sistematicamente, os piores, mas declarar o Grok vencedor porque pelo menos ele deu o pior resultado mais rápido?"
Juntando tudo, a leitura da comunidade é "barato, rápido, confiável, não comprovado e, para alguns, difícil de confiar". Esse último ponto é aquele em que um líder de suporte deveria refletir, porque confiança é todo o trabalho quando um modelo está falando com seus clientes.
O que um novo modelo muda para o suporte ao cliente (e o que não muda)
Aqui está a parte que mais me importa, porque passo meu tempo pensando em como a intenção de busca se transforma em perguntas de compra reais, e "devo trocar minha IA de suporte para o novo modelo?" é algo que as pessoas estão digitando hoje. A resposta honesta: o nível do modelo raramente é o que decide se a IA de suporte funciona.
Um modelo de ponta te dá três coisas: raciocínio forte, chamadas agênticas de ferramentas e menos alucinações. Uma fila de suporte ao vivo precisa de mais quatro coisas com as quais nenhum modelo vem equipado: respostas limitadas apenas ao seu conhecimento, roteamento baseado em confiança para que fique quieto quando incerto, uma forma de simular contra o seu histórico real de tickets antes de entrar em produção, e escalonamento limpo para um humano. Passamos os últimos mais de três anos colocando agentes de IA em filas de suporte ao vivo, e o padrão nunca muda: tanto os acertos quanto os desastres vêm dessa segunda lista, não da primeira.
Pegue "alucinações mínimas". Menos é melhor, e o Grok 4.5 merecer essa afirmação é uma boa notícia. Mas menos não é zero, e o modo de falha numa fila de suporte é específico.
Uma equipe com quem trabalhamos, um grupo de suporte B2B de telemetria veicular no Zendesk, lidando com cerca de 200 tickets por mês e crescendo para 2.000, viu seu bot confirmar alegremente que dava suporte a marcas de carros que não estavam no banco de dados deles, porque uma linha da central de ajuda dizia "damos suporte a todos os modelos". Nenhum modelo de ponta resolve isso sozinho. É um problema de delimitação de conhecimento e de confiança, e se resolve filtrando respostas de baixa confiança para virarem rascunho para um humano em vez de serem enviadas automaticamente. Uma líder de CX numa marca de suplementos DTC colocou o princípio melhor do que eu conseguiria:
"A IA nunca vai conseguir responder 100% das perguntas. Preciso de uma IA que só lide com os tickets nos quais tem confiança, e deixe todos os outros em paz."
Esse é todo o jogo, e é um problema de fluxo de trabalho, não de modelo. É por isso que roteamento baseado em confiança e barreiras contra alucinações importam mais para a sua taxa de resolução do que o modelo por trás. É também por isso que a preocupação com confiança no Hacker News é um sinal de compra real: se você não consegue controlar o que o modelo faz, não pode colocá-lo na frente de clientes, não importa como ele se saia nos benchmarks. Quando você é dono do conhecimento, do roteamento e da etapa de simulação, o modelo por trás se torna uma peça substituível.
Experimente a eesel
Se o Grok 4.5 te fez pensar se você deveria reconstruir sua stack de suporte, a jogada melhor é transformar o modelo num detalhe que você pode mudar depois, não numa decisão em que você precisa apostar agora. A eesel é a camada que faz isso: ela aprende com seus tickets passados e documentos de ajuda desde o primeiro dia, limita as respostas apenas ao seu próprio conhecimento, roteia por confiança para ficar quieta quando incerta, e permite simular contra milhares dos seus tickets históricos reais antes de responder a um único cliente.
É assim que as equipes conseguem números reais em vez de números de ranking. A Gridwise viu a eesel resolver 73% das solicitações de nível 1 no primeiro mês, com sinais aparecendo já durante um teste de 7 dias. Você pode conectá-la ao Zendesk, Freshdesk, Gorgias ou Front, iniciá-la em modo rascunho, e conceder autonomia apenas nos tickets que ela conquistar. O novo modelo é empolgante. A infraestrutura é o que compensa. Você pode experimentar a eesel de graça, com US$ 50 de uso e sem cartão de crédito.
