Grok 4.5 de SpaceXAI apuesta por la eficiencia: más barato, más rápido y entrenado junto a Cursor

SpaceXAI (la empresa detrás de Grok, cuyo pie de página legal en la propia web sigue firmando como "xAI Corp.") presentó el 8 de julio de 2026 Grok 4.5, descrito como su modelo más inteligente hasta la fecha y orientado específicamente a programación, tareas agénticas y trabajo de conocimiento. Un dato relevante del anuncio es que el modelo fue entrenado "junto a Cursor", el editor de código con IA, lo que sugiere una colaboración directa entre ambas compañías para optimizar el modelo en flujos de trabajo reales de ingeniería de software, más allá de benchmarks académicos.

El mensaje central del lanzamiento no es únicamente "somos el número uno", sino la eficiencia: SpaceXAI insiste en que Grok 4.5 ofrece razonamiento inteligente y eficiente a la vez, y presenta varias tablas comparativas frente a modelos rivales identificados en el propio artículo como Fable, GPT 5.5, Opus 4.8, Opus 4.7 y GLM 5.2. En DeepSWE 1.0, Grok 4.5 obtiene un 62,0% (pass@1), por detrás de Fable (66,1%, modo max) y GPT 5.5 (64,31%, modo xhigh), pero por delante de Opus 4.8 (55,75%) y Opus 4.7 (40,12%). En la versión DeepSWE 1.1, ejecutada con el harness mini-swe-agent, el orden cambia y Grok 4.5 cae a un 53%, quedando por detrás de Fable (70%), GPT 5.5 (67%) y Opus 4.8 (59%), aunque por delante de GLM 5.2 (44%).

En cambio, en SWE Marathon (tasa de resolución pass@1), Grok 4.5 lidera con un 29,0%, superando a Opus 4.8 (26,0%), Fable (24,0%) y Opus 4.7 (16,0%). En Terminal Bench 2.1 los resultados están muy ajustados: Fable encabeza con 84,3%, GPT 5.5 con 83,4% y Grok 4.5 prácticamente empatado en tercer lugar con 83,3%, por delante de Opus 4.8 y Opus 4.7 (ambos con 78,9%). Finalmente, en SWE Bench Pro, Grok 4.5 queda en tercera posición con 64,7%, detrás de Fable (80,4%) y Opus 4.8 (69,2%), pero por delante de Opus 4.7 (64,3%), GLM 5.2 (62,1%) y GPT 5.5 (58,6%). El propio artículo aclara que la evaluación fue creada por Datacurve y ejecutada con el harness de cada proveedor por "AA", mientras que las cifras de los competidores proceden de las system cards o leaderboards publicados por cada desarrollador, no de pruebas replicadas de forma independiente y homogénea por SpaceXAI. Esto es importante: los resultados muestran que Grok 4.5 no es sistemáticamente el modelo más capaz en estas pruebas (de hecho, en cuatro de las cinco tablas queda por detrás de Fable), sino que su argumento de venta se apoya en otro eje distinto: el coste y la velocidad por unidad de inteligencia.

En ese sentido, el dato más llamativo del anuncio es el de eficiencia de tokens: en SWE Bench Pro, Grok 4.5 resuelve las tareas usando en promedio 15.954 tokens de salida, frente a los 67.020 tokens de Opus 4.8 (modo max), es decir, unas 4,2 veces menos tokens para tareas comparables. SpaceXAI también afirma que el modelo se sirve a velocidades propias de "modelos rápidos", 80 tokens por segundo, y que combina esa velocidad con el doble de eficiencia de tokens frente a los modelos líderes más recientes en las mismas tareas, lo que se traduce en respuestas más rápidas y más baratas.

Sobre el entrenamiento, el artículo detalla que Grok 4.5 se entrenó en decenas de miles de GPUs NVIDIA GB300, con técnicas de entrenamiento y estabilidad pensadas para ejecuciones a gran escala. Más allá del volumen de tokens, SpaceXAI dice haber invertido fuertemente en filtrado y curación de datos (deduplicación, puntuación de calidad y selección orientada a dominios específicos) para mantener una mezcla de datos de alta cobertura y alta señal. El aprendizaje por refuerzo (RL) se escaló con foco en la "inteligencia por token", cubriendo cientos de miles de tareas centradas en ingeniería de software de varios pasos y otras tareas técnicas, con calificación automatizada y basada en modelos. La infraestructura de entrenamiento está diseñada para ser altamente asíncrona, permitiendo que los rollouts agénticos se ejecuten durante muchas horas mientras el aprendizaje continúa en paralelo en decenas de miles de GPUs. Según SpaceXAI, el resultado es un razonamiento más inteligente y eficiente en tareas reales de ingeniería y agénticas, lo que conecta directamente con la narrativa de eficiencia de tokens mostrada en los benchmarks.

El artículo también exhibe capacidades de "construcción con un solo prompt": según SpaceXAI, Grok 4.5 es muy competente en tareas de codificación exigentes en Rust y C/C++, así como en la construcción de aplicaciones completas de extremo a extremo a partir de una única instrucción. Como ejemplo concreto se muestra una simulación del sistema solar hecha con three.js a partir de un prompt que pedía "una simulación hermosa del universo y el sistema solar", con tiempo ajustable, movimiento realista, órbitas, estrellas y un HUD bien diseñado conforme a principios modernos de diseño.

En el terreno de la productividad de oficina, Grok 4.5 pasa a ser el modelo por defecto en Grok Build. Más allá de su competencia en programación, SpaceXAI destaca que es capaz de construir modelos complejos de Excel que incorporan investigación desde la web, uso de fórmulas multi-hoja, e incluso deja notas adhesivas o comentarios para referencia futura. En PowerPoint y Word, el modelo es igualmente descrito como meticuloso: capaz de usar formas nativas de PowerPoint para construir diagramas complejos, diseñar contenido de diapositivas de forma intuitiva y redactar prosa clara en Word. El artículo ilustra esto con un ejemplo de generación de un informe trimestral de negocio ("quarterly business review") de cinco diapositivas, y menciona la existencia de plugins específicos para Word, PowerPoint y Excel.

En cuanto a precios, Grok 4.5 se ofrece a 2 dólares por millón de tokens de entrada y 6 dólares por millón de tokens de salida. SpaceXAI reitera que el modelo logra aproximadamente el doble de eficiencia de tokens frente a modelos líderes comparables, resolviendo tareas en menos de la mitad de los pasos, lo que en conjunto —según la compañía— se traduce en la mayor inteligencia por unidad de tiempo y coste del mercado. Esta es, de nuevo, una afirmación propia de SpaceXAI y no un dato verificado por terceros dentro del propio artículo.

Respecto a disponibilidad, Grok 4.5 ya está disponible en Grok Build, en Cursor (en todos los planes) y desde la consola de SpaceXAI, con una llamada de API de ejemplo usando el identificador de modelo "grok-4.5". La compañía ofrece además uso gratuito y limitado en el tiempo de Grok 4.5 tanto en Grok Build como en Cursor, y promociona su CLI instalable vía script (x.ai/cli). Un matiz importante para lectores europeos: el propio artículo advierte explícitamente que Grok 4.5 todavía no está disponible en la Unión Europea en ninguno de los productos de SpaceXAI ni en la consola de API, y que la disponibilidad en la UE se espera para mediados de julio (de 2026, según el contexto del lanzamiento).

En conjunto, el posicionamiento de este lanzamiento no es tanto "el modelo más potente en todos los benchmarks" —de hecho pierde frente a Fable en varias pruebas clave— sino un mensaje de coste-eficiencia: menos tokens por tarea resuelta, mayor velocidad de servicio y menor precio por token, apuntando a que la métrica que SpaceXAI quiere que el mercado use para comparar modelos ya no sea solo la puntuación bruta en un benchmark, sino la inteligencia obtenida por dólar y por segundo. Conviene leer las comparativas con cautela, ya que las cifras de los competidores provienen de fuentes publicadas por cada compañía rival y no de una evaluación independiente unificada, y porque el propio artículo mezcla nombres de empresa (SpaceXAI en la cabecera y menús, xAI Corp. en el aviso de copyright), lo que sugiere cierta inconsistencia o un posible cambio de marca en curso que el texto no explica.