Kartu judul yang dihasilkan untuk Claude Opus 5.5 vs Grok 4.8 dengan tiga chip bertuliskan 'Grok 4.8: tidak ada ID model yang dipublikasikan', 'dalam pembelajaran penguatan, 10 Nov 2026', dan 'terdekat yang dapat dipanggil: Grok 4.7', plus footer yang mencatat dokumentasi pengembang SpaceXSI diperiksa pada 19 November 2026. Logo OrcaRouter di kanan bawah.
Guides & Insights

Claude Opus 5.5 vs Grok 4.8: Satu Model yang Bisa Anda Panggil, Satu Janji yang Tak Bisa Ditepati

Penulis

Gideon Frost

Tanggal Terbit

Model terbaru · 20Lihat semua model →
Benchmark: Artificial Analysis · diperbarui setiap hari
Kembali ke semua artikel

CEO perusahaan yang membangun Grok 4.8 ditanya langsung bagaimana perbandingannya dengan Claude Opus 5.5. Jawabannya, di X pada 10 November 2026, adalah hal paling berguna yang pernah dipublikasikan siapa pun tentang pertandingan ini: "Tidak sebaik itu. Opus 5.5 adalah mahakarya. Tetapi Grok 5 seharusnya melampaui Opus 5.5 dan mungkin itu terjadi dalam 2 atau 3 bulan, dengan akselerasi berkelanjutan setelahnya." Itu adalah Elon Musk mengakui perbandingan tersebut, dan itu juga, dua belas hari kemudian, seluruh catatan publik tentang kemampuan Grok 4.8.

Karena Grok 4.8 bukan model yang dapat Anda panggil. Dokumentasi pengembang SpaceXSI sendiri — daftar model, halaman harga, dan catatan rilis, semuanya dibaca pada 19 November 2026 — memuat grok-4.7 sebagai entri terbarunya dan grok-4.8 sama sekali tidak tercantum sebagai baris: tidak ada pengenal, tidak ada daftar tarif, tidak ada jendela konteks, tidak ada evaluasi yang dipublikasikan. Artificial Analysis tidak memiliki halaman untuknya; permintaan tersebut mengembalikan 404. Sebaliknya, Claude Opus 5.5 telah tersedia secara umum sejak 22 September 2026 dengan ID model, daftar tarif, dan delapan minggu pengukuran independen.

Headless capture of SpaceXSI's Grok models and pricing documentation, showing the left-hand navigation listing 'Grok 4.7' as the latest model and the models and pricing pages, with no grok-4.8 entry in the model list.

Jadi, versi berguna dari halaman ini bukanlah perbandingan dua lembar spesifikasi. Ini adalah perbandingan antara model yang sudah dikirim dengan jadwal yang dinyatakan, ditambah satu hal yang memang diselesaikan oleh pengakuan Musk: apa yang harus dijalankan hari ini.

Konsesi itu lebih bernilai daripada yang terlihat.

Para vendor tidak akan mengalah soal benchmark untuk model mereka sendiri yang belum dirilis, dan catatan tambahan yang menyertainya — Grok 5 akan melampaui Opus 5.5 dalam dua atau tiga bulan — adalah klaim tentang model yang berbeda dari model dalam judul artikel ini. Kedua pernyataan itu tidak disertai benchmark, nama pengujian, atau tanggal. Jika dibaca sebagai jadwal alih-alih spesifikasi, pernyataan itu memberi tahu pengembang dua hal: Grok 4.8 tidak akan menjadi model yang menutup kesenjangan tersebut, dan ekspektasi perusahaan sendiri adalah bahwa kesenjangan itu tetap terbuka sepanjang kuartal pertama 2027.

Itu adalah pengakuan yang bermakna bagi siapa pun yang saat ini membangun di atas Grok 4.7 dan bertanya-tanya apakah sebaiknya menunggu. Jawaban dari pimpinan vendor itu sendiri adalah bahwa menunggu merupakan taruhan pada Grok 5, bukan pada Grok 4.8.

Mengapa Grok 4.8 tertunda

Unggahan Musk pada 10 November memberikan keterangan yang lebih spesifik daripada catatan rilis mana pun. Pra-pelatihan pada Grok 4.8 telah selesai. Tim sedang berada dalam tahap reinforcement learning, dan harus merombak data yang digunakan untuk supervised fine-tuning. Salah satu penyebab keterlambatan yang disebutkan adalah pembangunan ulang infrastruktur: SpaceXSI beralih dari JAX dan SGLang ke sistem RL miliknya sendiri dan tumpukan inferensinya sendiri. Membangun ulang landasan pelatihan dan penyajian di tengah fase RL sebuah model adalah jenis keputusan yang muncul dalam jadwal dan bukan dalam changelog, dan itu adalah penjelasan paling masuk akal yang tersedia untuk model yang telah "segera hadir" sejak September.

Perbandingan yang perlu ditarik bukanlah dengan peluncuran Claude Opus 5.5, yang berjalan tanpa kejadian dan sesuai jadwal, melainkan dengan apa yang diperoleh dari ketiadaan kejadian itu: delapan minggu identitas stabil, harga yang dipublikasikan, dan skor pihak ketiga sementara model pesaing sedang dalam penulisan ulang stack. Stabilitas adalah fitur, dan itulah yang belum mampu dihadirkan Grok 4.8.

Yang benar-benar bisa Anda jalankan: Grok 4.7 versus Opus 5.5

Grok 4.7 adalah model yang akan dijual SpaceXSI kepada Anda selagi 4.8 diselesaikan. Model ini dirilis pada 21 September 2026 — sehari sebelum Opus 5.5 — dengan jendela konteks 500.000 token dan harga daftar $2.00 per juta token masukan serta $6.00 per juta token keluaran. Karena itu, kedua model berada dalam generasi yang sama berdasarkan tanggal rilis, sehingga angka-angka independen menjadi pembacaan paling adil yang tersedia tentang apa yang harus dikalahkan Grok 4.8 dan seberapa jauh sebuah rilis Grok dari frontier.

• Indeks Kecerdasan — Claude Opus 5.5 pada 59,1 vs Grok 4.7 pada 35,5, selisih 23,6 poin.

• Biaya per tugas Index — $10,04 vs $7,77, jadi Grok 4.7 hanya 23% lebih murah per tugas yang diselesaikan meskipun harga tertera 70% lebih murah.

• Terminal-Bench 4.0 — 59,6% vs 25,8%. Opus 5.5 lebih dari dua kali lipat Grok 4.7 dalam pekerjaan terminal agentik.

• Terminal-Bench-Science 0.1 — 59,0% vs 11,4%.

• FrontierCode-AA 2.0 — 46,4% vs 28,7%.

• HLE-Diamond — 67,9% vs 23,2%.

• GDPval-AA v2.1 — 1866 Elo vs 1717, selisih tersempit di sini pada 149 poin.

• AnalystAgent — 56,3% vs 52,5%, tolok ukur terdekat dari kumpulan ini.

• AA-Omniscience — 48,1 dengan tingkat halusinasi 50,3% vs 31,2 pada 20,0%.

• Konteks dan kecepatan — 1M token pada 117 tok/s vs 500K token pada 71 tok/s.

Generated two-column scoreboard titled 'Claude Opus 5.5 vs Grok 4.7 - the scoreboard'. Left column Claude Opus 5.5 rows: Intelligence Index 59.1, cost per task $10.04, Terminal-Bench 4.0 59.6%, HLE-Diamond 67.9%, context 1M tokens, price $4 / $20. Right column Grok 4.7 rows: Intelligence Index 35.5, cost per task $7.77, Terminal-Bench 4.0 25.8%, HLE-Diamond 23.2%, context 500K tokens, price $2 / $6. Footer: both per Artificial Analysis index v5.0.1, Grok 4.8 is unscored. OrcaRouter logo bottom-right.

Distribusinya adalah bagian yang menarik. Grok 4.7 tidak lebih buruk 24 poin di semua hal: pada GDPval, papan nilai ekonomi, selisihnya berada dalam 8%, dan pada AnalystAgent dalam 4%. Itu adalah tolok ukur yang menghargai keluasan keluaran profesional ketimbang kedalaman eksekusi. Ketika tugas menuntut eksekusi urutan panjang dengan benar — pekerjaan terminal, pekerjaan terminal ilmiah, pengodean agentik — kesenjangannya paling lebar di papan. Komposit 23,6 poin sebenarnya adalah deskripsi satu kelemahan spesifik yang terakumulasi di seluruh rangkaian.

Biaya per tugas adalah angka yang memberatkan penetapan harga Grok

Harga tertera $2/$6 dibandingkan $4/$20 tampak seperti keunggulan 2,5× pada harga keluaran. Artificial Analysis mengukur $7,77 dibandingkan $10,04 per tugas — 23%. Alasannya adalah Grok 4.7 menghasilkan 148 juta token keluaran di seluruh rangkaian Index dibandingkan 218 juta milik Opus 5.5, hanya keunggulan 1,5×, dan menghasilkannya pada 71 tok/s dibandingkan 117.

Jika digabungkan, Grok 4.7 lebih bertele-tele relatif terhadap harganya dan lebih lambat dalam waktu aktual, yaitu 24,4 menit per tugas Index dibandingkan 24,6. Latensi yang hampir identik untuk kemampuan yang lebih rendah 24 poin indeks dan penghematan 23% — itu bukan proposisi nilai, melainkan diskon untuk produk yang lebih buruk. Siapa pun yang memilih Grok 4.7 berdasarkan daftar harganya telah membayar untuk "keistimewaan" itu.

Claude Opus 5.5 juga tidak murah: $10.04 per tugas menempatkannya di ujung mahal papan peringkat, dan waktu tugasnya 24.6 menit benar-benar lambat. Namun, setidaknya uang itu membeli sesuatu. Perbandingan yang tepat untuk efisiensi biaya di papan ini bukanlah keduanya — melainkan GPT-6.2 Sol dengan $1.01 per tugas untuk indeks 57.3, yaitu konfigurasi yang membuat keduanya tampak mahal.

Kondisi seperti apa yang harus terpenuhi agar Grok 4.8 mengubah ini?

Ini adalah bagian yang layak dibaca jika Anda merencanakan migrasi, bukan pembelian. Model yang keluar dari RL dengan fine-tuning terawasi yang dirombak dapat berubah cukup jauh ke kedua arah, dan benchmark spesifik yang gagal diatasi Grok 4.7 adalah benchmark yang cenderung pertama kali diperbaiki oleh RL pada tugas-tugas yang dapat diverifikasi. Pekerjaan terminal, pengodean agentik, dan eksekusi ilmiah semuanya memiliki reward yang dapat diperiksa mesin, yang persis merupakan hal yang dioptimalkan oleh fase RL. Jika Grok 4.8 mencatat kenaikan Terminal-Bench yang besar dibandingkan 25,8% milik 4.7, itulah sinyal bahwa proses RL berhasil.

Tiga hal harus muncul sebelum semua ini menjadi dapat ditindaklanjuti. Sebuah grok-4.8 pengenal dalam dokumentasi SpaceXSI. Daftar tarif — dan perhatikan bahwa stack inferensi baru adalah alasan yang masuk akal untuk perubahan harga ke arah mana pun. Dan evaluasi yang dipublikasikan, karena pernyataan Musk sendiri bulan ini secara eksplisit mengesampingkan skor benchmark sebagai ukuran kualitas, yang berarti materi vendor sendiri tentang 4.8 tidak mungkin hadir sebagai tabel angka.

Sampai hal-hal itu ada, perkiraan yang jujur adalah bahwa Grok 4.8 berada di suatu tempat antara Grok 4.7 dan Opus 5.5 dan bahwa tidak ada orang di luar SpaceXSI yang tahu di mana. Halaman mana pun yang memberi Anda jendela konteks, harga, atau skor Grok 4.8 hari ini telah mengarangnya.

Memilih hari ini

Grok 4.8 tidak masuk dalam pertimbangan. Claude Opus 5.5 masuk, bersama Grok 4.7 dan model-model yang benar-benar bersaing untuk slot yang sama.

Jika pekerjaan Anda adalah eksekusi agentik jangka panjang — agen coding, otomasi terminal, riset multi-langkah — Claude Opus 5.5 menang pada setiap benchmark eksekusi dengan selisih yang tidak dapat ditutup oleh rekayasa prompt sebanyak apa pun, dan biayanya sekitar 29% lebih tinggi per tugas dibandingkan Grok 4.7 untuk melakukannya. Itu pertukaran yang adil dan keputusan yang mudah.

Jika pekerjaan Anda adalah cakupan profesional — analisis, penyusunan draf, tugas-tugas bernilai ekonomi — keduanya cukup berdekatan sehingga penghematan 23% mungkin membenarkan Grok 4.7, asalkan Anda dapat menerima jendela konteks 500K alih-alih 1M dan recall yang lebih rendah yang tersirat oleh komposit Omniscience 31 berbanding 48.

Jika Anda membangun di atas Grok dan ingin melindungi diri dari kekeliruan seperti ini, pola praktisnya adalah menjaga pilihan model tetap di luar kode Anda. Keduanya dapat diakses melalui satu kunci OrcaRouter — anthropic/claude-opus-5.5 dan grok/grok-4.7 — dengan markup 0% dari harga daftar penyedia, sehingga lini Grok 4.7 memakai tarif vendor itu sendiri dan perubahan harga SpaceXSI pada 4.8 berlaku pada hari diumumkan, bukan pada hari Anda menyadarinya. Atur aturan perutean untuk memilih model mana pun yang menurut evaluasi Anda lebih kuat dan biarkan failover otomatis menangani penyedia yang berhenti merespons di tengah proses. Saat Grok 4.8 muncul, menambahkannya hanyalah entri perutean, bukan migrasi.

Headless capture of OrcaRouter's model page for grok/grok-4.7, showing the model name and its sections for code samples, pricing, performance and public benchmarks.

Intinya, seperti itulah adanya.

Musk mengatakan Grok 4.8 tidak sebaik Claude Opus 5.5, lalu mengatakan Grok 5 mungkin sebaik itu, dalam dua atau tiga bulan. Jika ditanggapi secara harfiah, itu adalah jendela dua kuartal di mana model terdepan untuk eksekusi agentic adalah model yang dirilis pada September. Rencanakan hal itu, dan perlakukan setiap pengumuman Grok 4.8 sebagai alasan untuk menjalankan ulang evaluasi Anda, bukan sebagai alasan untuk menulis ulang integrasi Anda.

Dibandingkan dalam artikel ini1

Terdeteksi dari artikel ini · Benchmark: Artificial Analysis · diperbarui setiap hari