Grok 4.5 wchodzi do czołówki: tyle jakości w kodowaniu za 2 dolary

xAI wydało 8 lipca 2026 model Grok 4.5 i pierwszy raz w historii tej rodziny wynik w kodowaniu przestał być żartem. Indeks kodowania Artificial Analysis skacze z 42,2 punktu u poprzednika do 72,4. To nie jest kosmetyka numeru wersji, tylko zmiana klasy modelu. Pytanie brzmi, czy „czołówka“ to właściwe słowo, i gdzie dokładnie leży haczyk.

Skok, który trudno zignorować

Zestawmy Grok 4.5 z Grokiem 4.3 z kwietnia. Indeks kodowania rośnie z 42,2 do 72,4. Indeks inteligencji z 37,6 do 53,8. Najmocniej widać to na benchmarku agentowym Terminal-Bench 2.1, który sprawdza pracę modelu w prawdziwym terminalu przez wiele kroków: z 39,7 procent na 81,6 procent. Poprzednik oblewał więc trzy zadania na pięć, a następca zalicza cztery na pięć.

Dane pochodzą z Artificial Analysis i zostały pobrane 10 lipca 2026. Sam xAI w dokumentacji pisze wprost: „For everything else, including code, use Grok 4.5“, czyli poleca go jako domyślny model do kodu. Producent rzadko kieruje użytkowników do konkretnego modelu tak jednoznacznie.

Gdzie naprawdę ląduje w rankingu

Tu potrzebna jest uczciwość, bo słowo „czołówka“ łatwo rozciągnąć. W naszym rankingu kodowania Grok 4.5 zajmuje dziesiąte miejsce. Nad nim są trzy warianty GPT-5.6, Claude Fable 5, GPT-5.5 i dwie generacje Opusa. Do lidera, czyli GPT-5.6 Sol z wynikiem 77,4, brakuje mu pięciu punktów. To nie jest model, który wygrywa benchmarki.

Obraz zmienia się natychmiast, gdy dołożysz cenę. Grok 4.5 kosztuje 2 USD za milion tokenów wejściowych i 6 USD za wyjściowe. Dla porównania Claude Fable 5 chce 10 i 50 USD. Jeszcze ciekawiej wypada zestawienie z Claude Sonnet 5: na wejściu obie stawki są identyczne, ale na wyjściu Sonnet liczy sobie 10 USD zamiast 6, a mimo to wypada w kodowaniu słabiej (71,5 wobec 72,4). To jest tu najważniejsze zdanie: Grok nie jest tani kosztem jakości, tylko tańszy od modelu, który pokonuje.

Przeliczając indeks kodowania na cenę mieszaną, Grok 4.5 daje około 24 punkty za dolara. Lepszy wynik ma tylko GPT-5.6 Luna z wynikiem 32 punktów, ale Luna wypada słabiej w samym kodowaniu. Wśród modeli, które realnie radzą sobie z wieloetapowym zadaniem, Grok 4.5 jest dziś najtańszym sensownym wyborem.

Odpowiada od razu, a nie po minucie

Jest jeszcze liczba, którą łatwo przeoczyć, a która zmienia codzienną pracę. Mediana czasu do pierwszego tokenu wynosi u Groka 4.5 około 13 sekund. U GPT-5.6 Sol w trybie najwyższego wysiłku to blisko 77 sekund, a u Terry nawet 110. Modele OpenAI przez ten czas myślą, zanim napiszą pierwsze słowo.

Przy zadaniu na kwadrans nikt tego nie zauważy. Przy krótkiej poprawce w edytorze różnica między czekaniem kilkunastu sekund a dwóch minut decyduje o tym, czy w ogóle sięgniesz po model. Grok generuje przy tym około 108 tokenów na sekundę, czyli szybciej niż Sol.

Okno kontekstu to 500 tysięcy tokenów. Mniej niż 1,05 miliona u nowej trójki OpenAI, ale wciąż dwa razy więcej niż u Groka 4.3 i wystarczająco, by agent zobaczył średniej wielkości projekt w całości.

Cursor współtrenował ten model i sam przyznaje się do skazy

Tu jest najciekawszy wątek całej premiery. Grok 4.5 powstał wspólnie z Cursorem: w ogłoszeniu edytora czytamy, że model trenowano na „bilionach tokenów danych Cursora“, które opisują realne interakcje użytkowników z bazami kodu. Dlatego jest dostępny w Cursorze od pierwszego dnia, na komputerze, w przeglądarce, na iOS, w wierszu poleceń i w SDK. W samym Codeksie na razie go nie znajdziesz.

Cursor robi jednak rzecz, która zasługuje na uznanie: sam ostrzega, że wyniki jego modelu na własnym benchmarku CursorBench są zawyżone, bo „wcześniejszy zrzut bazy kodu Cursora przypadkiem trafił do danych treningowych“. To podręcznikowy przykład, dlaczego benchmark producenta czyta się inaczej niż niezależny. Liczby, które podajemy wyżej, pochodzą właśnie z niezależnego Artificial Analysis, a nie z materiałów xAI czy Cursora.

W Cursorze dostępny jest też szybszy wariant modelu, rozliczany po 4 i 18 USD za milion tokenów, czyli wyraźnie drożej niż stawka z cennika xAI.

Czego ten model nie zrobi

Indeks inteligencji 53,8 stawia Groka poniżej Fable 5 (59,9) i Sola (58,9). W praktyce oznacza to, że im dalej od pisania kodu, tym słabiej wypada: przy planowaniu architektury, rozumowaniu nad nieznaną dziedziną czy analizie wymagań różnica zaczyna być widoczna.

Co mówią użytkownicy

Wątek o premierze na Hacker News zebrał ponad 760 punktów i blisko 1440 komentarzy, a nastroje są umiarkowanie pozytywne. Chwalona jest głównie relacja ceny do możliwości oraz szybkość, a testujący porównują model raczej do Opusa 4.7 niż do ścisłego lidera. Sam Elon Musk opisał go jako „mniej więcej porównywalny z Opusem 4.7, ale znacznie szybszy“, co akurat pokrywa się z niezależnymi pomiarami.

Krytyka idzie dwoma torami. Pierwszy to trzeźwe podsumowanie, że model „nie jest najlepszy w niczym i nie jest najtańszy“, tylko dobrze ustawiony pośrodku. Drugi dotyczy zaufania: część komentujących ma opory przed uczeniem modeli na danych użytkowników edytora oraz przed poleganiem na dostawcy w pracy, gdzie liczy się niezależność wyników. To argumenty, które warto znać przed przesiadką, choć każdy rozstrzyga je sam.

Co to znaczy dla Ciebie

Jeśli płacisz za tokeny z własnej kieszeni i twoja praca to głównie kod, Grok 4.5 jest teraz najrozsądniejszym stosunkiem jakości do ceny wśród modeli, które nie odpuszczają przy trudniejszym zadaniu. Jeśli potrzebujesz maksymalnej jakości rozumowania albo pracujesz w edytorze, który go nie obsługuje, poczekaj.

Zanim przesiądziesz się na stałe, policz realny koszt na własnym ruchu w kalkulatorze kosztów API. Kartę modelu z aktualnymi benchmarkami znajdziesz pod adresem /modele/grok-4-5/, a dane odświeżamy automatycznie.