¡Grok 4.5 por fin está aquí!
Hace apenas un momento, SpaceXAI de Elon Musk lanzó con gran impacto su modelo insignia más potente de la historia: Grok 4.5.
Esta vez, SpaceXAI y Cursor han unido fuerzas.
En decenas de miles de bestias GB300, han "entrenado" a este monstruo de rendimiento, diseñado específicamente para codificación y agentes inteligentes.
El boletín de calificaciones es bastante brillante:
- SWE Bench Pro: consigue un 64.7%, enfrentándose directamente y superando el 64.3% de Opus 4.7;
- Terminal Bench 2.1: se dispara hasta el 83.3%;
- DeepSWE 1.0: se sitúa firmemente en un 62.0%, superando con claridad a Opus 4.8.
Musk afirma directamente: "Grok 4.5 es aproximadamente equivalente a Opus 4.7, pero mucho más rápido".
La combinación de capacidad, velocidad y coste es lo que define su competitividad. En otras palabras, consume una fracción de los tokens que usan los demás para el mismo trabajo.
Grok 4.5 tiene un precio de entrada de $2 por millón de tokens y de salida de $6 por millón de tokens.
En comparación con Opus 4.8, el consumo de tokens se reduce drásticamente en un factor de 4.2.
Decenas de miles de GB300 entrenan un modelo de "nivel Opus"
Grok 4.5 es el primer as en la manga de SpaceXAI tras su salida a bolsa, y también la primera respuesta que presentan junto a Cursor.
Entonces, ¿cómo se entrenó?
La respuesta es: un entrenamiento a hiperescala con decenas de miles de GPUs GB300 de Nvidia. Pero la potencia de cálculo es solo la entrada.
Musk anuncia: la próxima semana Grok 4.5 actualizará su contexto a 1 millón de tokens
Donde SpaceXAI realmente ha puesto el esfuerzo es en los datos.
Filtraron, desduplicaron y calificaron la calidad de un océano de corpus de manera exhaustiva, asegurando que todo el contenido introducido en el modelo fuera profesional y de alta densidad informativa.
Luego, centraron el enfoque del RL (Aprendizaje por Refuerzo) en una métrica que pocos mencionan: la "inteligencia por token" (per-token intelligence).
La incorporación de Cursor es el eslabón más crítico de este ciclo.
La base de Grok 4.5 es V9 (1.5T). Oficialmente, se alimentó con billones de datos de Cursor durante el entrenamiento.
Estos datos registran cómo interactúan los desarrolladores reales con repositorios de código, herramientas y agentes inteligentes.
Esto significa que el modelo no solo aprendió "cómo es el código", sino "cómo las personas y la IA escriben código juntos".
Y su pila de entrenamiento está diseñada para ser altamente asíncrona:
Los agentes pueden ejecutarse durante horas, el modelo sigue aprendiendo mientras trabaja, y el entrenamiento en decenas de miles de GPUs nunca se detiene.
El resultado es que no solo resuelve problemas, sino que puede manejar tareas de ingeniería complejas y de múltiples pasos que duran varias horas.
Iguala a GPT-5.5, se acerca a Opus 4.8
El rendimiento duro de Grok 4.5 bajo este enfoque de entrenamiento resiste cualquier prueba.
Su desempeño en los principales benchmarks de ingeniería puede describirse como "sólido": no es el más fuerte, pero lo suficientemente bueno para entrar en el primer grupo.
En DeepSWE 1.0, logra un 62.0%, superando a Opus 4.8 (55.75%) y siguiendo de cerca a GPT-5.5 (64.31%);
En Terminal Bench 2.1, alcanza el 83.3%, ¡a solo 0.1 puntos de GPT-5.5 (83.4%)!;
En el más exigente SWE Bench Pro, con una tasa de resolución del 64.7%, supera a GPT-5.5 (58.6%) y se acerca a Opus 4.8 (69.2%).
En las pruebas oficiales de la AAAI, Grok 4.5 ocupa el cuarto puesto, solo por detrás de Fable 5, GPT-5.5 y Opus 4.8.
En el benchmark de agentes legales inteligentes Harvey, ocupa el primer puesto.
Hay que admitir que estos resultados son muy competitivos.
Pero también hay que reconocer que el que sigue reinando indiscutiblemente es Claude Fable.
En resumen, Grok 4.5 está prácticamente a la par con GPT-5.5, muy cerca de Opus 4.8, pero aún le queda camino para alcanzar el verdadero techo.
El propio Musk lo dice con realismo: "Nuestra evaluación interna es que Grok 4.5 es aproximadamente equivalente a Opus 4.7, pero mucho más rápido".
El verdadero golpe maestro: rápido y barato
El verdadero impacto de Grok 4.5 está en tres palabras: velocidad, eficiencia y precio.
Su velocidad de inferencia alcanza los 80 TPS (tokens por segundo). Las palabras oficiales son: "más rápido que los modelos flash".
Con una sola frase, escribió un simulador 3D del sistema solar en Three.js:
Soporta aceleración temporal, los movimientos orbitales de los ocho planetas son realistas, e incluso el panel HUD está bastante bien hecho.
En cuanto a eficiencia, en las tareas de SWE Bench Pro, Grok 4.5 emite un promedio de solo 15,954 tokens para resolver el problema.
Mientras que Opus 4.8 necesita emitir 67,020 tokens para el mismo trabajo.
Un factor de 4.2: Grok 4.5 usa menos de una cuarta parte de los tokens de su competidor para resolver el mismo problema de ingeniería.
En precio: 2 dólares por millón de tokens de entrada, 6 dólares por millón de tokens de salida.
Además, hay una versión avanzada más rápida, con un precio de 4 dólares por entrada y 18 dólares por salida.
Comparado con los principales modelos que a menudo empiezan en más de diez dólares, este precio es casi de saldo.
Estos tres números juntos llevan a una conclusión:
En términos de "cuánta inteligencia se puede comprar por unidad de tiempo y coste", Grok 4.5 es actualmente el "rey de la relación calidad-precio".
Pruebas en la red: el rendimiento real de Grok 4.5
Además, los comentarios de las pruebas realizadas por numerosos usuarios en la red nos permiten vislumbrar parte de la capacidad real de Grok 4.5.
Con una frase, genera directamente un "Minecraft".
En un solo archivo HTML, Grok 4.5 puede crear fácilmente una página SaaS completa y de alta gama.
Grok 4.5 demuestra su habilidad, completando todo un conjunto de diseños 2D+3D en menos de un minuto dentro de la aplicación.
El experto en juegos de IA, Danny Limanseta, usó Grok 4.5 para generar un juego completo con diversas funcionalidades.
Sin embargo, también hay desarrolladores que dicen que Grok 4.5 no está en absoluto al mismo nivel que Opus 4.7, y que en la prueba de la lámpara de lava los resultados fueron malos.
No es el más fuerte, preparándose para volcar la mesa el próximo mes
Hoy, Musk ha vuelto a sembrar una bomba:
Grok entiende profundamente la ingeniería.
La versión del próximo mes será otro salto cualitativo, porque estamos cerrando el círculo de resolver problemas de ingeniería reales en Tesla, SpaceX, Neuralink y Boring Company.
El próximo mes, otro salto. Y, según se rumorea, una versión más grande de 2 billones de parámetros ya está en camino.
Los benchmarks son fuegos artificiales para profanos; la eficiencia y el coste son las verdaderas armas para arrastrar a los competidores a una guerra de desgaste.
Cuando la inteligencia de los modelos comienza a facturarse como la electricidad por kilovatio-hora, la clave del éxito es quién puede hacer que la inteligencia sea rápida, barata y omnipresente.
Esta vez, Musk no jugó la carta más fuerte, pero volcó la mesa de juego.
Referencias:
https://x.ai/news/grok-4-5
https://cursor.com/blog/grok-4-5
Este artículo proviene del WeChat público "New Zhiyuan", autor: ASI Revelations, editor: Peach
