Claude Opus 5.5 vs Grok 4.7: Dua Flagship, Selisih Dua Puluh Empat Jam

Grok 4.7 hadir pada 21 September 2026. Claude Opus 5.5 hadir keesokan harinya. Dua model unggulan terdepan dalam waktu dua puluh empat jam, membidik pembeli yang sama dari arah yang berlawanan: Grok 4.7 mempertahankan harga pendahulunya di $2 per juta token masukan dan $6 token keluaran, sementara Opus 5.5 memangkas harga pendahulunya dari $5/$25 menjadi $4/$20. Secara harga tertera, Grok 4.7 tampak seperti setengah biaya Claude Opus 5.5 bahkan lebih. Tidak demikian, dan alasannya adalah hal paling berguna dalam perbandingan ini. Tarif Grok 4.7 berlipat ganda menjadi $4/$12 setelah prompt melewati 200.000 token, dan model ini jelas sangat bertele-tele — Artificial Analysis mengukur peningkatan 113% dalam penggunaan token penalaran dibandingkan Grok 4.6, dengan sekitar 81.000 token keluaran yang dikonsumsi per tugas agentik. Tarif yang lebih murah pada model yang menulis lebih banyak bukanlah tugas yang lebih murah, dan kedua efek itu harus dikalikan sebelum salah satu harga tertera berarti apa pun.

Apa yang sebenarnya dikirim oleh masing-masing vendor

SpaceXAI merilis Grok 4.7 pada Senin, 21 September — dengan harga $2/$6 yang sama dan jendela konteks 500.000 token yang sama seperti Grok 4.6, dengan batas pengetahuan yang lebih baru dan tingkat penalaran teratas yang baru. Vendor melaporkan bahwa model ini dibangun di atas model dasar yang lebih besar daripada pendahulunya dan memposisikannya untuk coding, kerja agentic, dan kerja pengetahuan; model ini sudah tersedia secara live di Cursor dan di agen terminal Grok Build milik perusahaan sendiri. Angka Terminal-Bench 4.0 milik perusahaan sendiri adalah 38%, dan uji independen Artificial Analysis atas benchmark yang sama menempatkannya di 33% — selisih lima poin antara vendor dan evaluator pada sumbu yang sama, yang patut diingat ketika Anda membaca angka tunggal mana pun dari salah satu pihak.

Anthropic merilis Claude Opus 5.5 pada Selasa, 22 September dengan harga $4/$20, turun dari $5/$25 milik Opus 5, dengan pembacaan cache turun dari $0,50 menjadi $0,20 per juta dan vendor mengklaim beban kerja tipikal berbiaya sekitar 40% lebih murah untuk dijalankan dibandingkan pendahulunya. Model ini mempertahankan konteks 1M token dan batas output 128K dari Opus 5 serta menambahkan mode Fast dengan harga $8/$40 yang Anthropic gambarkan sebagai pratinjau riset. Klaim kemampuan dijalankan oleh vendor terhadap pesaing yang dipilih Anthropic: Terminal-Bench 4.0 pada 66,4%, FrontierCode v1.1 pada 54,4%, GDPval-AA v2.1 pada 1.846 Elo.

Tempatkan kedua paragraf itu berdampingan dan bentuk pertandingannya sudah terlihat. Satu vendor memangkas harga model yang telah ditingkatkan. Yang lain mempertahankan harga model yang telah ditingkatkan. Keduanya bertaruh soal di mana titik terendah pasar berada, dan mereka tidak sepakat.

Kartu tarif, dan dua baris yang mengubahnya

Angka-angka di bawah ini berasal dari katalog OrcaRouter, dibaca pada 24 September 2026, diteruskan pada markup 0% — harga daftar penyedia tanpa tambahan spread.

• Input — Claude Opus 5.5 dengan $4,00 per juta token vs Grok 4.7 dengan $2,00; Grok 50% lebih murah

• Keluaran — $20,00 per juta vs $6,00; Grok 70% lebih murah

• Baca cache — $0,20 per juta vs $0,50; satu-satunya baris harga yang membuat Opus 5.5 lebih murah, dan selisihnya 60% lebih murah

• Konteks — 1M token untuk Claude Opus 5.5 vs 500.000 untuk Grok 4.7, tepat dua kali lipat

• Output maksimum — 128,000 token untuk Claude Opus 5.5 vs 450,000 untuk Grok 4.7, lebih dari tiga kali lipat

• Modalitas — keduanya menerima teks, gambar, dan file serta mengembalikan teks

Pengubah pertama adalah kenaikan tier. Tarif $2/$6 Grok 4.7 berlaku untuk prompt di bawah 200.000 token; di atas itu, kedua tarif berlipat dua menjadi $4/$12. Itu membuat tarif input prompt panjang Grok tepat setara dengan tarif tetap $4.00 Claude Opus 5.5 dan mempersempit keunggulan output dari 70% menjadi 40%. Pada prompt yang sangat panjang, ketika plafon output 450.000 token Grok menjadi alasan Anda memilihnya, Anda membayar tarif input Opus 5.5 untuk mencapainya.

Pengubah kedua adalah verbositas, dan pengaruhnya lebih besar. Artificial Analysis mengukur Grok 4.7 menggunakan 113% lebih banyak token penalaran daripada Grok 4.6 pada evaluasi yang sama, dengan sekitar 81.000 token output yang dikonsumsi per tugas agentik dalam satu laporan yang diterbitkan. Token penalaran ditagih sebagai token output di setiap API dalam perbandingan ini. Pada tarif Opus 5.5 sebesar $20,00 per juta, 81.000 token output berbiaya $1,62. Pada tarif Grok 4.7 sebesar $6,00, 81.000 token yang sama berbiaya $0,49 — masih sepertiga harganya, jadi keunggulannya tetap bertahan — tetapi rasionya kini 3,3× alih-alih 3,3× di atas kertas dan sesuatu yang jauh lebih kecil dalam praktik setelah tarif baca cache Opus 5.5 yang lebih rendah diterapkan pada prefiks yang dikirim ulang dari sesi agen yang panjang. Penghematan output 70% yang diiklankan pada kartu tarif bukanlah penghematan yang akan Anda catat.

Jika Anda ingin satu ilustrasi paling jelas tentang mengapa harga token adalah satuan yang salah: permintaan agentik dengan masukan 30.000 token dan keluaran 8.000 token yang sama menghabiskan sekitar 28 sen di Opus 5.5 dan 11 sen di Grok 4.7. Ubah masukannya menjadi 250.000 token, dan tarif Grok yang dua kali lipat membuat biayanya sekitar $1,10 dibandingkan dengan $1,16 milik Opus 5.5. Selisih harga tertera turun dari 2,5× menjadi kesalahan pembulatan, tanpa perubahan apa pun kecuali panjang prompt.

Skor independen menunjuk ke satu arah.

Pada Intelligence Index milik Artificial Analysis, Claude Opus 5.5 berada di angka 58 dalam konfigurasi upaya maksimalnya dan 54 pada upaya tinggi, di puncak model-model yang dilacak evaluator tersebut. Grok 4.7 mencetak 46 — dua poin di atas Grok 4.6, dan dua belas poin di bawah pembacaan upaya maksimal Opus 5.5. Itu adalah selisih terlebar dalam artikel ini dan berasal dari pihak ketiga, bukan vendor.

Papan-papan lain dari evaluator yang sama lebih menyanjung Grok, dan selisih di antara papan-papan itu adalah bagian yang menarik. Pada Coding Agent Index, Grok 4.7 mendapat skor 56 berbanding 47 milik Grok 4.6 — kenaikan sembilan poin, lebih besar daripada kenaikan dua poinnya pada kecerdasan umum, yang menunjukkan bahwa rilis ini lebih merupakan pembaruan coding daripada pembaruan umum. Pada AA-Briefcase, papan kerja pengetahuan berhorizon panjangnya, Grok 4.7 berada di 1.657 Elo di peringkat keempat, di belakang tiga entri Anthropic dan di depan Claude Opus 5 pada upaya xhigh. Tiga papan, tiga putusan berbeda, semuanya dari evaluator yang sama pada hari yang sama.

Lalu ada satu sumbu yang diukur kedua pihak: Terminal-Bench 4.0. Anthropic melaporkan 66,4% untuk Opus 5.5 pada effort xhigh. SpaceXAI melaporkan 38% untuk Grok 4.7, dan uji independen Artificial Analysis menempatkannya di 33%. Berapa pun angka yang Anda ambil untuk Grok, selisih dengan Opus 5.5 adalah antara 23 dan 33 poin. Terminal-Bench adalah satu harness tunggal dan di sisi Anthropic dijalankan vendor, jadi ini bukan vonis atas model mana pun — tetapi di sumbu ini selisihnya tidak tipis, dan ini adalah sumbu yang paling erat terkait dengan pekerjaan coding agentic yang menjadi sasaran penjualan kedua vendor.

Di mana masing-masing adalah jawaban yang benar

Keunggulan Grok 4.7 nyata dan struktural di dua area. Yang pertama adalah pekerjaan bervolume tinggi dengan prompt pendek: di bawah 200.000 token dengan output moderat, $2/$6 versus $4/$20 adalah perbedaan 2,5× hingga 3,3× yang sesungguhnya, dan penalti verbositas menjadi angka absolut yang lebih kecil ketika keseluruhan tugasnya kecil. Yang kedua adalah plafon output — 450.000 token lebih dari tiga kali 128.000 milik Opus 5.5, dan untuk pembuatan massal artefak panjang, itulah batasan yang menentukan apakah suatu pekerjaan mungkin dilakukan sama sekali.

Keunggulan Claude Opus 5.5 terletak pada jangka panjang agentik. Jendela konteks dua kali lipat pada 1 juta token, tarif baca cache 60% lebih rendah, dan skor kecerdasan independen terkuat di antara keduanya. Semua itu berlipat ganda seiring panjang sesi: baca cache dibayar pada prefiks yang dikirim ulang di setiap giliran, jadi pemotongan 60% pada pos itu lebih berdampak untuk sesi agen dua jam daripada pemotongan 70% pada output untuk generasi sekali jalan.

Satu catatan operasional yang harus menyertai keputusan Opus 5.5 apa pun: model ini merutekan sebagian besar permintaan keamanan siber ke Claude Opus 4.8 dan pekerjaan biologi ke Claude Opus 5 kecuali akun Anda terverifikasi melalui program Life Sciences atau Cyber Verification Anthropic. Di domain tersebut, string model dalam log Anda tidak selalu merupakan model yang menjawab. Grok 4.7 tidak memiliki perutean ulang yang setara, meskipun kartu modelnya sendiri dilaporkan menunjukkan 3,3% permintaan berisiko masih lolos dalam mode tinggi dengan tingkat pelanggaran aturan yang sedikit lebih tinggi daripada Grok 4.6 — angka keselamatan terbitan vendor di sisi lain dari neraca yang sama.

Kedua model tersedia di OrcaRouter dengan harga daftar penyedia tanpa markup 0% — Claude Opus 5.5 seharga $4.00/$20.00 dengan pembacaan cache $0.20, Grok 4.7 seharga $2.00/$6.00 dengan tier >200K diterapkan sebagaimana ditetapkan oleh penyedia — di balik satu kunci, sehingga perbandingan di atas dapat diukur pada traffic Anda sendiri alih-alih diperdebatkan. Jika keduanya dirutekan, failover otomatis berada di bawah keduanya, yang lebih penting dari biasanya untuk dua model yang dirilis berselang satu hari dan masih dalam proses penyesuaian.

Putusan yang diperoleh dari perbandingan ini: Grok 4.7 adalah model yang lebih murah pada sebagian besar beban kerja dan pilihan yang tepat untuk keluaran panjang; Claude Opus 5.5 lebih kuat ketika sesinya panjang, konteksnya mendalam, dan pekerjaannya bersifat agentic. Jendela peluncuran 24 jam membuat keduanya tampak seperti rival. Kartu tarif dan jumlah token membuat keduanya terbelah.