xAI, 8 Temmuz 2026'da Grok 4.5'i piyasaya sürdüğünde, Elon Musk karşılaştırmayı kendisi seçti: "Opus sınıfı bir model, ancak daha hızlı, jeton açısından daha verimli ve daha düşük maliyetli." Bu, Anthropic'in işgücü kodlama modeli olan Claude Opus 4.8 hakkında belirli, doğrulanabilir bir iddiadır.
Şimdi kontrol edelim. Bu karşılaştırma, xAI'nin duyurusunda yayınladığı sayıları, Anthropic'in yayınladığı fiyatlandırmayı ve her iki tedarikçinin de başlığa koymadığı hikaye kısımlarını kullanır. Kısa versiyonu: iddia çoğunlukla geçerliliğini koruyor, iki kıyaslama kaybı ve doğrulama hakkında büyük bir yıldız işareti ile birlikte.
Puan kartı
xAI dört kodlama kıyaslaması yayınladı. İşte ikisi de, modellerle birlikte ve etraflarındaki sınır bağlamı ile birlikte:
| Kıyaslama | Grok 4.5 | Opus 4.8 (maks) | Kazanan |
|---|---|---|---|
| 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 (resolve) | 64.7% | 69.2% | Opus 4.8 (+4.5) |
Her biri iki galibiyet. xAI'nin kendi grafiklerinde, "Opus sınıfı" bir yetenek düzeyi olarak doğru, ancak üstünlük iddiası olarak yanlıştır ki, xAI'nin hakkını vermek gerekirse, Musk'ın yaptığı iddia bu değildi.
Şunu belirtmekte fayda var: Claude Fable 5 (maks) bu dört grafiğin hepsinde zirvede yer alıyor (66.1 / 70 / 84.3 / 80.4) ve GPT 5.5 (xhigh) her iki modeli de dördünün üçünde geride bırakıyor. Grok 4.5, Anthropic'in en yüksek yetenek yerine günlük işler için fiyatlandırdığı modele karşı, sınırın bir altındaki seviyede rekabet ediyor. Eğer sınır mücadelesini merak ediyorsanız, o da Fable 5 ile Opus 4.8 arasındaki rekabettir.
Kaynak yıldızı
Bunlar bağımsız test sonuçları değildir. xAI, rakip verilerin "ilgili geliştiricilerin yayınlanmış sistem kartlarından veya kıyaslama liderlik tablolarından" geldiğini belirtiyor; DeepSWE değerlendirmeleri Datacurve tarafından oluşturulmuş ve her sağlayıcının kendi sistemleriyle çalıştırılmıştır. Bu, opak öz raporlamadan daha iyidir, ancak kaynakları karıştırmak, sistem ve iskele farklılıklarının karşılaştırmaya sızması anlamına gelir. Henüz hiçbir tamamen bağımsız üçüncü taraf Grok 4.5'i kıyaslamadı. Kıyaslamalar derinlemesine incelememiz bu durumu takip ediyor.
Fiyat: Grok kağıt üzerinde kazanıyor, pratikte daha büyük
Milyon jeton başına liste fiyatları:
| Grok 4.5 | Opus 4.8 | |
|---|---|---|
| Giriş | $2.00 | $5.00 |
| Çıkış | $6.00 | $25.00 |
Bu, Opus'un giriş fiyatının %40'ı ve çıkış fiyatının %24'ü demektir. (Opus 4.8 fiyatlandırma dökümümüzde Anthropic tarafındaki tüm detaylar.)
Detay seviyesini hesaba kattığınızda fark açılır. xAI, Grok 4.5'in SWE Bench Pro görevlerini ortalama 15.954 çıkış jetonu ile çözdüğünü rapor ediyor; Opus 4.8 (maks) aynı kıyaslamada ortalama 67.020 jeton kullanıyor. Çözülen görev başına bunu çarparsak:
- Grok 4.5: 15.954 jeton × 6$/M ≈ görev başına 0.10$ çıkış
- Opus 4.8 (maks): 67.020 jeton × 25$/M ≈ görev başına 1.68$ çıkış
Tamamlanan görev başına çıkışta, satıcı tarafından bildirilen jeton sayılarına göre yaklaşık 17 kat daha ucuz. Tam çarpana dikkatle yaklaşın (bir kıyaslama, bir satıcının ölçümü ve "maks" efor modu Opus'un jeton sayısını artırıyor), ancak yönü tartışmak zor: 6 dolarlık kısa bir model, 25 dolarlık ayrıntılı bir modeli fiyat listesinin önerdiğinden daha fazla geride bırakıyor. Daha kapsamlı senaryoları Grok 4.5 fiyatlandırması açıklandı bölümünde inceliyoruz.
Uyarı diğer yöne de kesiyor: Opus, görev başına daha fazla jeton kaybeder çünkü "maks" modu uzun uzun düşünür ve bu düşünme, SWE Bench Pro'yu 4,5 puanla kazanmasının bir parçasıdır. Düşünme için ödeme yapıyorsunuz. Bazen düşünme ürünün kendisidir.
Hız: 80 TPS ve daha kısa yanıtlar birleşiyor
Grok 4.5, saniyede yaklaşık 80 jetonla hizmet veriyor ve xAI bunu "hızlı model hızları" olarak adlandırıyor. Uzunluğun dörtte biri olan çıktılarla birleştiğinde, görev başına gerçek süre iki kat düşer: daha az jeton, daha hızlı teslim edilir. Düzinelerce model çağrısını zincirleyen aracı döngüler için, adım başına gecikme, oturum başına dakikalarca tasarrufa dönüşür.
Anthropic, Opus 4.8 için eşdeğer bir TPS rakamı yayınlamıyor ve gerçek dünya hızları yüke ve seviyeye göre değişiyor, bu nedenle bunu kendi trafiğinizde kıyaslayın, herhangi bir pazarlama sayfasına güvenmek yerine.
Opus 4.8'in avantajını koruduğu yerler
Fiyat her şey değildir ve puan kartı, fiyatın her şey olmadığı yerleri belirtiyor:
- En zorlayıcı ajan tabanlı kodlama. Karmaşık gerçek depo işlerine en yakın olan dörtlüden SWE Bench Pro, Opus'a 4,5 puanla gidiyor. Daha yeni revizyon olan DeepSWE 1.1, Opus'a 6 puanla gidiyor.
- Ekosistem olgunluğu. Opus 4.8, Claude Code'a, yerleşik araç kullanım modellerine ve bir yıllık üretim sağlamlaştırmasına uyum sağlıyor. Grok 4.5 dün piyasaya sürüldü; entegrasyon yüzeyi Grok Build, Cursor ve yeni bir API'dir. Jeton başına maliyet daha düşük olsa bile geçiş maliyeti gerçektir.
- Öngörülebilirlik. Opus'un uzun bağlamlardaki davranışı, reddetme kalıpları ve hata modları, bizim tarafımızdan da dahil olmak üzere iyi belgelenmiştir. Grok 4.5'in verileri ise bir haftalık.
Hangisini kullanmalısınız?
İş yükünüz yüksek hacimli ajan tabanlı kodlama veya bilgi işiyse, API faturanız dikkat ettiğiniz bir kalemse ve çıkış fiyatının dörtte birinde 2'ye 4'lük bir kıyaslama bölünmesi arbitraj gibi geliyorsa Grok 4.5'i seçin. Lansman fiyatlandırması artı mevcut ücretsiz pencereler, bu ay denemeyi neredeyse maliyetsiz hale getiriyor.
Anthropic ekosisteminin derinliklerindayseniz, bu fiyat sınıfında zorlu depo düzeyindeki kıyaslamalarda en güçlü yayınlanmış puanlara ihtiyacınız varsa veya üretimde birinci hafta model riskini kabul edemiyorsanız Opus 4.8'de kalın.
Her iki durumda da, kendiniz ölçün. Her iki API de OpenAI uyumlu biçimlerde konuşur, bu nedenle bir A/B sistemi oluşturmak ucuzdur. Apidog'da, her model için bir istek kaydedin, bunları en zorlu beş gerçek isteminize yönlendirin ve çıktı kalitesini, gecikmeyi ve kullanım nesnesini yan yana karşılaştırın. Özellikle output_tokens üzerinde doğrulama yapın: Grok'un istemlerinize verdiği yanıtlar daha kısa değilse, yukarıdaki ekonomik avantajlar sizin için geçerli değildir. Bir iş yükünü taşımadan önce Apidog'u ücretsiz indirin ve karşılaştırmayı kendi trafiğiniz üzerinde çalıştırın.
Her iki taraf için de kurulum kılavuzları: Grok 4.5 API'si nasıl kullanılır ve Claude Opus 4.8 API'si nasıl kullanılır.
SSS
Grok 4.5, Claude Opus 4.8'den daha mı iyi? xAI'nin yayınladığı kıyaslamaları 2-2 böldüler. Grok 4.5 daha ucuz ve jeton açısından daha verimli; Opus 4.8, iki zorlu depo seviyesi değerlendirmesini kazanıyor. "Daha iyi" olmak, kısıtlamanızın bütçe mi yoksa en yüksek yetenek mi olduğuna bağlıdır.
Grok 4.5, Opus 4.8'den ne kadar daha ucuz? Milyon giriş jetonu başına 2 dolar ve 5 dolar; milyon çıkış jetonu başına 6 dolar ve 25 dolar. Çözülen kodlama görevi başına, satıcı tarafından bildirilen jeton sayıları çok daha büyük bir efektif farka işaret ediyor.
Grok 4.5 için bağımsız kıyaslamalar var mı? Henüz yok. Yayınlanan rakamlar, xAI'nin çalışmalarını, Datacurve değerlendirmelerini ve diğer satıcıların sistem kartlarını karıştırıyor. Bağımsız rakamların lansmandan haftalar sonra gelmesi bekleniyor.
Her iki modeli de aynı kodla test edebilir miyim? Çoğunlukla evet. Her ikisi de OpenAI uyumlu sohbet tamamlama özelliğini sunar, bu nedenle base_url, anahtar ve model kimliğini değiştirmek temel gereksinimleri karşılar. Araç çağırma ve yapılandırılmış çıktı detayları farklılık gösterir; geçiş yapmadan önce bu yolları açıkça test edin.