Grok 4.5 : 4× moins de tokens qu'Opus 4.8, à un tiers du prix
SpaceXAI sort son frontier à 2 $, le pousse dans l'UE cette semaine, et l'entraîne sur des millions de sessions Cursor.
Grok 4.5 est sorti le 8 juillet, et le modèle de SpaceXAI termine sa tournée d'ouverture en atterrissant dans l'Union européenne à la mi-juillet — donc sur nos comptes, là, cette semaine. Elon Musk le vend comme un modèle « Opus-class ». Les tarifs, eux, tapent bien plus bas : 2 $ le million de tokens en entrée, 6 $ en sortie. J'ai passé la semaine à le brancher dans Cursor et via l'API, sur un monorepo TypeScript de taille moyenne. Voici ce qui tient, et ce qui coince.
Ce que Grok 4.5 change vraiment : la facture par tâche
La vraie information n'est pas le classement, c'est le coût pour finir un boulot. Grok 4.5 est affiché à 2 $ le million de tokens en entrée, 6 $ en sortie, 0,50 $ pour le cache. À titre de comparaison, GPT-5.6 Sol demande 5 $/30 $, sa version Terra 2,50 $/15 $, et la petite Luna 1 $/6 $. Claude Sonnet 5 tourne à 2 $/10 $ en tarif de lancement jusqu'au 31 août. Sur le papier, Grok 4.5 est déjà le moins cher des frontiers en sortie.
Mais le chiffre qui m'a fait tiquer, c'est ailleurs. Sur SWE-Bench Pro, xAI mesure que Grok 4.5 résout une tâche en 15 954 tokens de sortie en moyenne, contre 67 020 pour Opus 4.8 en mode max. Soit 4,2 fois moins. Or c'est la sortie qui coûte cher. Multipliez l'écart de prix par token par l'écart de volume de tokens, et sur une session d'agent codeur qui itère pendant vingt minutes, la note n'est pas divisée par deux : elle est divisée par cinq ou six. Sur mes runs agentiques de la semaine, la différence était palpable sur le compteur, pas dans un tableur théorique.
Pour un dirigeant qui fait tourner des agents en production — support, extraction documentaire, revue de code — c'est ça qui compte. Le prix affiché ment toujours un peu ; le prix réel, c'est prix × verbosité du modèle. Et sur ce terrain, Grok 4.5 est agressif.
Grok 4.5 vs Opus 4.8 vs GPT-5.6 : le vrai écart de prix
| Modèle | Entrée / sortie (par M tokens) | Tokens sortie / tâche SWE-Bench Pro |
|---|---|---|
| Grok 4.5 (SpaceXAI) | 2 $ / 6 $ | ≈ 15 954 |
| Opus 4.8 (Anthropic, max) | plus élevé | ≈ 67 020 |
| GPT-5.6 Sol (OpenAI) | 5 $ / 30 $ | n.c. |
| GPT-5.6 Terra | 2,50 $ / 15 $ | n.c. |
| Claude Sonnet 5 (lancement) | 2 $ / 10 $ | n.c. |
Traduction pour une PME : si vous consommez surtout de la génération (rédaction, code, réponses longues), la sortie à 6 $ + la sobriété en tokens font de Grok 4.5 le pari le plus économique du moment. Si vous injectez beaucoup de contexte et générez peu, l'écart se resserre.
« Opus-class » ? Ce que disent les benchmarks
Là, il faut débrancher le marketing. Sur l'index indépendant Artificial Analysis Intelligence Index, Grok 4.5 obtient un score de 54 et se classe 4e, derrière Claude Fable 5, Opus 4.8 et GPT-5.5. Il prend en revanche la première place sur un critère précis et très pro : l'usage agentique d'outils (appels de fonctions, terminal, navigateur). Il affiche 83,3 % à Terminal-Bench 2.1 et 64,7 % à SWE-Bench Pro.
« Un modèle Opus-class, mais plus rapide, plus sobre en tokens et moins cher. » — Elon Musk, au lancement.
Le problème, c'est que « Opus-class » ne résiste pas à l'examen des quatre benchmarks que xAI a lui-même choisi de publier. D'après l'analyse de Let's Data Science, Grok 4.5 bat Opus 4.8 sur deux d'entre eux (DeepSWE 1.0 et Terminal-Bench 2.1) et perd sur les deux autres — DeepSWE 1.1 (6 points de retard) et SWE-Bench Pro (4,5 points). Détail à son crédit : xAI a laissé dans son propre graphique Claude Fable 5, qui devance tout le monde sur les quatre mesures. C'est honnête. Mais ça enterre le slogan.
Autre nuance de journaliste : aucun de ces quatre chiffres n'est encore validé par un tiers indépendant. Ce sont les nombres de l'éditeur, sortis le jour du lancement. À traiter comme une promesse, pas comme un verdict. Rappelons au passage que Fable 5, le seul modèle qui domine Grok 4.5 partout, reste sous restrictions d'accès — on vous racontait cet épisode dans « Washington éteint Claude Fable 5 ».
Le passé trouble : entraîné sur des millions de sessions Cursor
Voilà l'angle que les fiches produit passent sous silence. Grok 4.5 est un mixture-of-experts de 1,5 billion de paramètres bâti sur la base « V9 », et il a été entraîné conjointement avec des milliers de milliards de tokens de données Cursor : les interactions réelles d'utilisateurs avec leurs bases de code et leurs outils. Ce n'est pas un hasard. SpaceX a racheté Cursor pour 60 Md$ moins d'un mois avant la sortie du modèle — on avait décortiqué l'opération dans « SpaceX rachète Cursor 60 Md$ ».
Conséquence directe, révélée par Cursor eux-mêmes : un instantané ancien de la base de code de Cursor s'est retrouvé par accident dans l'entraînement, ce qui gonflait le score sur CursorBench. Plutôt que de publier un chiffre invérifiable, Cursor a retiré le score et supprimé ces données pour les prochains modèles. Les benchmarks indépendants (DeepSWE, SWE-Bench Pro) tournent sur leur propre infrastructure et ne sont pas affectés.
Le sujet n'est pas anecdotique pour un responsable IT. Vous ne choisissez pas seulement un modèle : vous choisissez un fournisseur, sa politique de données et, ici, un patron dont les décisions produit sont… disons imprévisibles.
500K de contexte, Europe en retard : ce qui m'a freiné
Deux choses m'ont agacé cette semaine. D'abord, la fenêtre de contexte est tombée à 500 000 tokens, en recul par rapport au million qu'offrait Grok 4.3. Sur mon monorepo, ça a suffi pour la plupart des tâches, mais je me suis pris une troncature en plein milieu d'un refacto multi-fichiers parce que j'avais chargé trop de contexte d'un coup — un réflexe hérité des modèles à 1M. Il faut réapprendre à doser. Pour un frontier vendu comme agentique, régresser sur le contexte est un choix étrange.
Ensuite, la disponibilité UE. Grok 4.5 n'a ouvert dans l'espace européen — produits SpaceXAI comme console API — que dans la seconde moitié de juillet. En début de semaine, la seule voie passait par un point d'accès hors UE. Rédhibitoire pour du code client. J'ai attendu l'ouverture EU pour faire des tests sérieux, et c'est un rappel utile : un modèle « sorti » ne veut pas dire « utilisable chez vous, conforme, tout de suite ».
Dernier point, honnête : sur mes tâches réelles, le gain de sobriété est réel mais la qualité de raisonnement sur les cas tordus reste un cran en dessous d'Opus 4.8. Pour un premier jet d'agent, Grok 4.5 abat le boulot vite et pas cher. Pour l'architecture épineuse, je continue de repasser derrière avec un modèle plus lourd.
Grok 4.5 pour une PME : faut-il basculer ?
Si vous faites tourner des agents en volume — génération de contenu, code, support de niveau 1, appels d'outils — et que la facture de tokens vous pique, Grok 4.5 mérite un test cette semaine. La combinaison prix bas + sobriété est la plus intéressante du marché à mi-juillet, et la première place en usage agentique n'est pas du vent. Comptez quelques dizaines d'euros d'API pour vous faire un avis chiffré sur vos propres tâches.
Si votre priorité est le raisonnement de pointe, la conformité européenne stricte ou une gouvernance de données sans zone d'ombre, restez pour l'instant sur Claude ou GPT-5.6, le temps que des benchmarks indépendants confirment — ou non — les promesses de xAI et que la question des données Cursor soit tranchée. « Opus-class », non. « Meilleur rapport coût/performance en agentique du mois », probablement oui.
