Lorsque xAI a lancé Grok 4.5 le 8 juillet 2026, Elon Musk a choisi lui-même la comparaison : « un modèle de classe Opus, mais plus rapide, plus efficace en termes de tokens et moins cher. » C'est une affirmation spécifique et vérifiable à propos de Claude Opus 4.8, le modèle de codage de référence d'Anthropic.
Alors vérifions. Cette comparaison utilise les chiffres publiés par xAI dans son annonce, les tarifs publiés par Anthropic, et les aspects de l'histoire qu'aucun fournisseur ne met en avant. En bref : l'affirmation est majoritairement vraie, avec deux défaites au benchmark et un grand astérisque concernant la vérification.
Le tableau de bord
xAI a publié quatre benchmarks de codage. Les voici, avec les deux modèles et le contexte des modèles de pointe qui les entourent :
| Benchmark | Grok 4.5 | Opus 4.8 (max) | Vainqueur |
|---|---|---|---|
| DeepSWE 1.0 (pass@1) | 62.0% | 55.75% | Grok 4.5 (+6.25) |
| DeepSWE 1.1 | 53% | 59% | Opus 4.8 (+6) |
| Terminal Bench 2.1 | 83.3% | 78.9% | Grok 4.5 (+4.4) |
| SWE Bench Pro (résolution) | 64.7% | 69.2% | Opus 4.8 (+4.5) |
Deux victoires chacun. Selon les propres graphiques de xAI, « de classe Opus » est précis en tant que niveau de capacité et erroné en tant qu'affirmation de supériorité, ce qui, au crédit de xAI, n'est pas l'affirmation faite par Musk.
À noter : Claude Fable 5 (max) domine ces quatre classements (66.1 / 70 / 84.3 / 80.4), et GPT 5.5 (xhigh) bat les deux modèles sur trois des quatre. Grok 4.5 rivalise dans la catégorie juste en dessous de la pointe, face au modèle qu'Anthropic destine au travail quotidien plutôt qu'à la capacité maximale. Si vous voulez la bataille de la pointe, c'est Fable 5 vs Opus 4.8.
L'astérisque de la provenance
Ce ne sont pas des résultats de tests indépendants. xAI note que les chiffres des concurrents proviennent des « fiches système publiées par les développeurs respectifs ou des classements de benchmarks », avec les évaluations DeepSWE créées par Datacurve et les exécutions gérées avec les outils de chaque fournisseur. C'est mieux que des auto-rapports opaques, mais mélanger les sources signifie que les différences d'outils et de cadres peuvent influencer la comparaison. Aucun tiers entièrement indépendant n'a encore évalué Grok 4.5. Notre analyse approfondie des benchmarks suit cette situation.
Prix : Grok gagne sur le papier, encore plus en pratique
Prix affichés par million de tokens :
| Grok 4.5 | Opus 4.8 | |
|---|---|---|
| Entrée | $2.00 | $5.00 |
| Sortie | $6.00 | $25.00 |
Cela représente 40 % du prix d'entrée d'Opus et 24 % de son prix de sortie. (Détails complets côté Anthropic dans notre analyse des prix d'Opus 4.8.)
L'écart se creuse lorsque l'on tient compte de la verbosité. xAI rapporte que Grok 4.5 résout les tâches SWE Bench Pro avec une moyenne de 15 954 tokens en sortie ; Opus 4.8 (max) atteint une moyenne de 67 020 sur le même benchmark. Multipliez cela par tâche résolue :
- Grok 4.5 : 15 954 tokens × 6 $/M ≈ 0,10 $ de sortie par tâche
- Opus 4.8 (max) : 67 020 tokens × 25 $/M ≈ 1,68 $ de sortie par tâche
Environ 17 fois moins cher en sortie par tâche terminée, selon les décomptes de tokens rapportés par le fournisseur. Traitez le multiple exact avec prudence (un seul benchmark, une seule mesure de fournisseur, et le mode d'effort « max » gonfle le nombre de tokens d'Opus), mais la direction est difficilement contestable : un modèle concis à 6 $ bat un modèle verbeux à 25 $ par plus que ce que le tableau des prix suggère. Nous exécutons des scénarios plus complets dans Explication des prix de Grok 4.5.
L'avertissement fonctionne aussi dans l'autre sens : Opus perd plus de tokens par tâche en partie parce que le mode « max » raisonne longuement, et ce raisonnement fait partie des raisons pour lesquelles il gagne SWE Bench Pro de 4,5 points. Vous payez pour la réflexion. Parfois, la réflexion est le produit.
Vitesse : 80 TPS et des réponses plus courtes s'additionnent
Grok 4.5 sert environ 80 tokens par seconde, ce que xAI appelle des « vitesses de modèle rapide ». Combiné à des sorties d'un quart de la longueur, le temps réel par tâche diminue deux fois : moins de tokens, livrés plus rapidement. Pour les boucles d'agents qui enchaînent des dizaines d'appels de modèle, la latence par étape se traduit par des minutes économisées par session.
Anthropic ne publie pas de chiffre TPS équivalent pour Opus 4.8, et les vitesses réelles varient en fonction de la charge et du niveau, il est donc préférable de le tester sur votre propre trafic plutôt que de faire confiance à l'une ou l'autre page marketing.
Là où Opus 4.8 garde l'avantage
Le prix n'est pas tout, et le tableau de bord indique les domaines où ce n'est pas le cas :
- Le codage agentique le plus difficile. SWE Bench Pro, le plus proche des quatre du travail de dépôt réel désordonné, revient à Opus avec 4,5 points. DeepSWE 1.1, la révision plus récente, revient à Opus avec 6 points.
- Maturité de l'écosystème. Opus 4.8 s'intègre dans Claude Code, les schémas d'utilisation d'outils établis et un an de durcissement en production. Grok 4.5 a été lancé hier ; sa surface d'intégration est Grok Build, Cursor et une API fraîche. Le coût de migration est réel même lorsque le coût par token est plus bas.
- Prévisibilité. Le comportement d'Opus sous de longs contextes, ses schémas de refus et ses modes de défaillance sont bien documentés, y compris par nous. Ceux de Grok 4.5 datent d'une semaine.
Lequel choisir ?
Choisissez Grok 4.5 si votre charge de travail est du codage agentique ou du travail de connaissance à haut volume, si votre facture d'API est une ligne que vous surveillez, et si un partage de benchmark de 2 sur 4 à un quart du prix de sortie semble être de l'arbitrage. Le prix de lancement et les fenêtres gratuites actuelles rendent l'essai presque gratuit ce mois-ci.
Restez sur Opus 4.8 si vous êtes profondément intégré dans l'écosystème Anthropic, si vous avez besoin des scores publiés les plus élevés sur des benchmarks de niveau dépôt difficiles dans cette classe de prix, ou si vous ne pouvez pas accepter le risque d'un modèle de première semaine en production.
Dans tous les cas, mesurez vous-même. Les deux API sont compatibles OpenAI, donc un banc de test A/B est peu coûteux à construire. Dans Apidog, enregistrez une requête par modèle, dirigez-les vers vos cinq prompts réels les plus difficiles, et comparez la qualité de sortie, la latence et l'objet d'utilisation côte à côte. Affirmez spécifiquement sur output_tokens : si les réponses de Grok à vos prompts ne sont pas plus courtes, l'économie ci-dessus ne s'applique pas à vous. Téléchargez Apidog gratuitement et exécutez la comparaison sur votre propre trafic avant de déplacer une charge de travail.
Guides de configuration pour les deux côtés : comment utiliser l'API Grok 4.5 et comment utiliser l'API Claude Opus 4.8.
FAQ
Grok 4.5 est-il meilleur que Claude Opus 4.8 ? Ils se partagent les benchmarks publiés par xAI à 2-2. Grok 4.5 est moins cher et plus efficace en termes de tokens ; Opus 4.8 remporte les deux évaluations de niveau dépôt plus difficiles. Le terme « meilleur » dépend de votre contrainte : budget ou capacité maximale.
À quel point Grok 4.5 est-il moins cher qu'Opus 4.8 ? 2 $ contre 5 $ par million de tokens d'entrée et 6 $ contre 25 $ par million de sortie. Par tâche de codage résolue, les décomptes de tokens rapportés par le fournisseur suggèrent un écart effectif bien plus important.
Existe-t-il des benchmarks indépendants pour Grok 4.5 ? Pas encore. Les chiffres publiés mélangent les exécutions de xAI, les évaluations de Datacurve et les fiches système d'autres fournisseurs. Des chiffres indépendants devraient apparaître dans les semaines suivant le lancement.
Puis-je tester les deux modèles avec le même code ? En grande partie, oui. Les deux exposent des complétions de chat compatibles OpenAI, donc échanger base_url, la clé et l'ID du modèle couvre les bases. Les détails de l'appel d'outils et de la sortie structurée diffèrent ; testez ces chemins explicitement avant de basculer.