Grok 4.5 adalah model unggulan xAI — yang terpintar hingga saat ini, dengan performa terdepan di bidang pengkodean, pekerjaan pengetahuan, dan STEM. Dibangun di atas fondasi V9 dengan 1,5 triliun parameter dan dilatih bersama editor pengkodean Cursor, model ini menyediakan jendela konteks 500K token serta menerima masukan teks, gambar, dan file dengan keluaran teks. Model ini menekankan pengkodean agen yang kuat dengan efisiensi token yang luar biasa — menyelesaikan tugas-tugas rekayasa perangkat lunak dengan token keluaran yang jauh lebih sedikit dibandingkan model-model terdepan sejenis — dan dibanderol dengan harga agresif untuk penggunaan produksi volume tinggi.
Grok 4.5 adalah model bahasa besar multimodal yang dibuat oleh xAI. Ini dirancang untuk menangani input yang sangat panjang, dengan jendela konteks sebanyak 500.000 token. Ini berarti dapat memproses…
Grok 4.5 menerima tiga modalitas input: teks, gambar, dan file. Teks dapat disertakan secara alami dalam pesan pengguna. Gambar dapat diberikan sebagai URL atau sebagai data yang dienkode base64 dalam array konten, mengikuti format multimodal OpenAI. File didukung melalui mekanisme yang sama: pengguna dapat melampirkan data biner (misalnya, PDF, dokumen Word) sebagai bagian dari permintaan. Model memproses input ini bersama-sama, memungkinkannya untuk menalar lintas berbagai jenis informasi. Sebagai contoh, sebuah prompt dapat berisi kontrak yang dipindai (gambar) beserta pertanyaan tentang klausa tertentu, dan Grok 4.5 akan mengekstrak teks dari gambar dan menjawabnya. Kemampuan multimodal ini menghilangkan kebutuhan untuk memproses file terlebih dahulu sebelum mengirimkannya ke API, sehingga menyederhanakan desain pipeline.
Jendela konteks 500.000 token berarti Grok 4.5 dapat mempertimbangkan hingga setengah juta token input dan output yang digabungkan dalam satu permintaan. Satu token kira-kira setara dengan 0,75 kata untuk teks bahasa Inggris, sehingga model dapat menangani sekitar 375.000 hingga 400.000 kata. Ini memungkinkan pengguna untuk memasukkan seluruh dokumen, percakapan panjang, atau kumpulan data besar tanpa harus memecahnya menjadi beberapa bagian. Model mempertahankan koherensi di seluruh konteks, memungkinkan tugas-tugas seperti merangkum bab buku, menganalisis repositori kode secara penuh, atau menjaga dialog multi-giliran tetap utuh. Namun, input yang lebih panjang meningkatkan biaya secara proporsional karena harga dihitung per token. Untuk keseimbangan terbaik, pengguna sebaiknya hanya mengirimkan konteks yang diperlukan, tetapi jendela yang besar mengurangi kebutuhan akan pemotongan data.
Grok 4.5 unggul dalam tugas-tugas yang memerlukan pemahaman mendalam terhadap konten panjang atau multimodal. Contoh utamanya meliputi: mengekstrak informasi dari ratusan halaman makalah penelitian, menganalisis gambar bagan dan tabel bersama dengan teks terkait, meninjau dokumen hukum untuk klausa tertentu, merangkum transkrip rapat yang panjang, dan men-debug proyek perangkat lunak besar dengan memeriksa file log lengkap. Model ini juga dapat menangani rantai penalaran kompleks yang bergantung pada bagian awal dari sebuah prompt. Model ini kurang cocok untuk tugas yang sangat sederhana atau satu kali di mana model yang lebih kecil dan lebih murah sudah memadai—misalnya, menghasilkan respons email pendek atau klasifikasi langsung. Pengguna harus mengevaluasi apakah tugas tersebut benar-benar memerlukan jendela konteks yang besar untuk membenarkan biaya per token yang lebih tinggi dibandingkan dengan model yang lebih kecil yang tersedia di OrcaRouter.
Grok 4.5 dihargai $2.00 per 1M token masukan dan $6.00 per 1M token keluaran. Jika kasus penggunaan Anda tidak memerlukan jendela konteks 500k atau input multimodal, Anda dapat menghemat biaya dengan menggunakan model yang lebih kecil yang tersedia melalui OrcaRouter. Contoh tugas yang lebih cocok untuk model yang lebih murah meliputi: klasifikasi sederhana atau ekstraksi dari cuplikan pendek, tanya jawab satu putaran pada dokumen kecil, analisis sentimen dasar, dan menghasilkan penyelesaian yang sangat singkat. Juga, jika aplikasi Anda memerlukan latensi rendah untuk lalu lintas produksi volume tinggi, model yang lebih kecil dapat menawarkan waktu respons yang lebih cepat. Evaluasi pertukaran: untuk tugas-tugas di mana konteks tambahan dan kemampuan multimodal tidak memberikan keuntungan, biaya tambahan per token tidak diperlukan.
Skor benchmark spesifik untuk Grok 4.5 belum dirilis secara publik oleh xAI saat ini. Model ini dimaksudkan sebagai model bahasa besar yang sangat mumpuni, tetapi tanpa angka evaluasi yang terstandarisasi, pengguna harus menilai kinerjanya melalui pengujian sendiri pada tugas-tugas yang representatif. Faktor-faktor yang mempengaruhi kinerja dunia nyata meliputi desain prompt, kompleksitas tugas, dan kualitas data masukan. Mengingat jendela konteksnya yang besar, model ini mungkin bekerja sangat baik pada tugas-tugas yang memerlukan penyimpanan informasi dalam urutan yang sangat panjang. Kami merekomendasikan menjalankan evaluasi benchmark pada kasus penggunaan spesifik Anda menggunakan OrcaRouter API untuk mengukur akurasi, latensi, dan kualitas keluaran.
Latensi untuk Grok 4.5 tidak ditentukan secara publik oleh xAI. Namun, karena model ini memiliki jumlah parameter yang besar dan mendukung jendela konteks 500k, waktu inferensi umumnya akan lebih lama dibandingkan model yang lebih kecil, terutama saat memproses input yang panjang. Pengguna dapat mengharapkan waktu ke-token-pertama dan total waktu generasi yang lebih tinggi dibandingkan dengan model dengan parameter lebih sedikit. Untuk mengoptimalkan, jaga prompt input tetap sesingkat mungkin sambil tetap memberikan konteks yang diperlukan. Jika latensi rendah sangat penting untuk aplikasi Anda—seperti obrolan real-time—Anda mungkin ingin menguji kecepatan respons melalui OrcaRouter API dengan ukuran input tipikal sebelum berkomitmen untuk penggunaan produksi. OrcaRouter tidak menambah overhead yang signifikan; latensi utama berasal dari inferensi model yang mendasarinya.
Kekuatan utama Grok 4.5 adalah jendela konteksnya yang besar yaitu 500k, memungkinkan penalaran yang koheren pada urutan yang sangat panjang. Ia juga mendapat manfaat dari input multimodal, yang memungkinkannya memproses gambar dan file secara langsung. Fitur-fitur ini membuatnya kuat untuk analisis dokumen, penelitian, dan tugas apa pun yang memerlukan konteks yang lebih luas. Keterbatasannya termasuk biaya per token yang lebih tinggi dibandingkan model yang lebih kecil, dan kemungkinan latensi yang lebih tinggi. Selain itu, karena xAI tidak mengungkapkan skor benchmark, pengguna tidak dapat mengandalkan perbandingan peringkat pihak ketiga. Perilaku model pada domain yang sangat spesifik (misalnya, medis atau hukum) harus divalidasi melalui pengujian. Seperti semua LLM, model ini kadang-kadang dapat menghasilkan konten yang tidak akurat atau halusinasi, terutama pada prompt yang ambigu. Selalu tinjau output untuk aplikasi kritis.
Grok 4.5 dihargai berdasarkan jumlah token yang diproses. Token input berharga $2.00 per 1 juta token, dan token output berharga $6.00 per 1 juta token. Ini adalah tarif penyedia yang ditetapkan oleh xAI, dan OrcaRouter meneruskannya tanpa markup. Penagihan berdasarkan penggunaan: Anda hanya membayar untuk token yang benar-benar Anda kirim dan terima. Jendela konteks 500,000 token berarti bahwa prompt konteks penuh (500k token input) akan memakan biaya $1.00 untuk input saja ($2.00 * 0.5M). Token output ditagih dengan tarif tiga kali lipat dari tarif input. Untuk memperkirakan biaya, hitung total token input (termasuk pesan sistem, pesan pengguna, gambar dan file yang dikodekan sebagai token) dan panjang output yang diharapkan. Gunakan tokenizer yang disediakan oleh OrcaRouter untuk menghitung token sebelum mengirim.
Tidak. OrcaRouter mengenakan biaya persis sesuai tarif penyedia untuk Grok 4.5: $2.00 per 1M token input dan $6.00 per 1M token output. Tidak ada biaya tersembunyi, tidak ada biaya tambahan per permintaan, dan tidak ada markup. Tagihan Anda akan mencerminkan penggunaan token mentah dikalikan dengan tarif ini. OrcaRouter mungkin menawarkan manajemen kunci API dan akses tanpa biaya tambahan. Satu-satunya biaya adalah untuk komputasi yang dikonsumsi oleh model. Perlu diketahui bahwa token yang digunakan untuk input multimodal (gambar, file) dihitung dengan tarif input yang sama—tidak ada harga terpisah untuk modalitas yang berbeda. Selalu verifikasi jumlah token Anda dari respons API untuk merekonsiliasi penggunaan.
Dengan jendela konteks 500k, biaya pemrosesan prompt penuh bisa menjadi signifikan. Untuk satu permintaan menggunakan 500k token input dan 1k token output, biaya input adalah $1.00 dan biaya output $0.006, total ~$1.006. Jika Anda mengirim banyak permintaan seperti itu, biaya bertambah dengan cepat. Namun, untuk tugas yang diuntungkan dengan tidak melakukan chunking, kemampuan untuk melakukan satu kueri besar dapat menghemat waktu rekayasa dan meningkatkan akurasi. Bandingkan ini dengan model yang lebih kecil dengan jendela konteks yang lebih pendek yang akan memerlukan banyak panggilan dan penyambungan manual, yang berpotensi menimbulkan biaya tambahan yang lebih tinggi. Biaya per token tetap; nilai berasal dari ukuran jendela konteks dan kemampuan multimodal. Pengguna harus memperkirakan total token bulanan dan membuat model yang sesuai.
OrcaRouter saat ini tidak mengiklankan sistem cache khusus untuk respons Grok 4.5. Penetapan harga didasarkan pada token yang ditagih oleh xAI per permintaan; jika Anda mengirim prompt yang sama beberapa kali, setiap permintaan ditagih dengan harga penuh. Tidak ada diskon untuk output yang diulang atau di-cache. Untuk mengurangi biaya, hindari mengirim prompt yang identik atau hampir identik. Anda dapat menerapkan lapisan cache sendiri di sisi klien—misalnya, simpan hasil kueri umum secara lokal dan panggil API hanya ketika prompt baru atau yang dimodifikasi diperlukan. Perhatikan bahwa token input selalu dikenakan biaya, bahkan jika outputnya sepele. Untuk pola yang berulang, kumpulkan input serupa bersama jika memungkinkan.
Untuk menggunakan Grok 4.5, kirim permintaan POST ke https://api.orcarouter.ai/v1/chat/completions. Atur parameter model menjadi "grok/grok-4.5". Isi permintaan mengikuti format chat completion OpenAI, termasuk array messages dengan peran (system, user, assistant). Untuk input multimodal, sertakan bagian konten bertipe "text" dan "image_url". Contoh (Python): ```python import openai client = openai.OpenAI(base_url="https://api.orcarouter.ai/v1", api_key="YOUR_KEY") response = client.chat.completions.create(model="grok/grok-4.5", messages=[{"role":"user", "content":[{"type":"text","text":"Describe this image:"}, {"type":"image_url", "image_url":{"url":"https://example.com/pic.jpg"}}]}]) print(response.choices[0].message.content) ``` Pastikan kunci API Anda memiliki akses ke model grok/grok-4.5. Gunakan endpoint yang sama dengan OpenAI untuk streaming, pemanggilan fungsi, dan fitur lainnya.
API OrcaRouter untuk Grok 4.5 mendukung parameter OpenAI standar: 'model', 'messages', 'max_tokens', 'temperature', 'top_p', 'frequency_penalty', 'presence_penalty', 'stop', 'stream', 'n', dan 'seed'. Parameter 'max_tokens' membatasi panjang respons yang dihasilkan. 'temperature' mengontrol keacakan (0=deterministik, 2=sangat acak). 'top_p' menerapkan nucleus sampling. 'frequency_penalty' dan 'presence_penalty' mengurangi pengulangan. Untuk streaming, atur 'stream' ke true untuk menerima token secara bertahap. Parameter 'n' memungkinkan pembuatan beberapa penyelesaian. 'seed' memungkinkan keluaran deterministik jika reprodusibilitas diperlukan. Perhatikan bahwa jendela konteks model adalah total 500k token (input + output digabungkan). Untuk menghindari kesalahan, pastikan token input Anda ditambah max_tokens yang diminta tidak melebihi batas tersebut. OrcaRouter akan mengembalikan error jika prompt terlalu panjang.
Memigrasikan kode yang kompatibel dengan OpenAI yang sudah ada untuk memanggil Grok 4.5 melalui OrcaRouter hanya memerlukan perubahan pada URL dasar dan nama model. Alih-alih https://api.openai.com/v1, gunakan https://api.orcarouter.ai/v1. Ganti pengidentifikasi model dengan "grok/grok-4.5". Kunci API Anda harus yang disediakan oleh OrcaRouter. Semua parameter dan format pesan lainnya tetap sama. Untuk pustaka seperti paket Python openai, perbarui inisialisasi klien: `client = openai.OpenAI(base_url="https://api.orcarouter.ai/v1", api_key=ORCAROUTER_KEY)`. Tidak perlu memodifikasi struktur pesan, logika streaming, atau penanganan respons. Uji dengan prompt kecil untuk mengonfirmasi konektivitas dan format respons. OrcaRouter juga mendukung kode error dan header pembatasan laju yang sama dengan OpenAI, sehingga migrasi menjadi mudah.
Grok 4.5, GPT-4, dan Claude semuanya adalah model bahasa besar tetapi berbeda dalam aspek-aspek kunci. Grok 4.5 menawarkan jendela konteks 500k token, yang lebih besar dari GPT-4 Turbo (128k) dan Claude 3.5 Sonnet (200k). Hal ini membuat Grok 4.5 lebih cocok untuk dokumen atau percakapan yang sangat panjang tanpa perlu dipecah-pecah. Grok 4.5 juga mendukung input gambar dan file, mirip dengan kemampuan multimodal GPT-4 Vision dan Claude. Harga: Grok 4.5 adalah $2/$6 per 1 juta token, GPT-4o adalah $2,50/$10, Claude 3.5 Sonnet adalah $3/$15. Jadi Grok 4.5 lebih murah per token untuk output tetapi identik atau sedikit lebih murah untuk input dibandingkan GPT-4o dan Claude. Latensi dan akurasi bervariasi berdasarkan kasus penggunaan; tanpa tolok ukur yang dipublikasikan, perbandingan kinerja langsung tidak dapat dilakukan. Pengembang sebaiknya menguji Grok 4.5 terhadap alternatif pada tugas spesifik mereka.
OrcaRouter menyediakan akses ke banyak model selain Grok 4.5. Untuk tugas yang tidak memerlukan jendela konteks 500k, opsi yang lebih murah termasuk GPT-4o mini ($0.15/$0.60), Claude 3 Haiku ($0.25/$1.25), dan Llama 3.1 70B ($0.59/$0.79). Untuk tugas multimodal, GPT-4o dan Claude 3.5 Sonnet adalah alternatif dengan harga dan ukuran konteks yang berbeda. Untuk konteks yang sangat panjang, Gemini 1.5 Pro menawarkan 1M token tetapi dengan biaya lebih tinggi. Jika Anda memerlukan fitur spesifik seperti function calling atau JSON mode, banyak model yang mendukungnya. Pilih Grok 4.5 ketika konteks besar dan harga tanpa markup lebih penting daripada kebutuhan biaya per token yang lebih rendah atau integrasi ekosistem tertentu. Selalu pertimbangkan pertukaran dalam latensi, akurasi, dan biaya untuk alur kerja spesifik Anda.
Di antara penyedia layanan utama, harga Grok 4.5 kompetitif untuk ukuran jendela konteksnya. Input: $2.00/M token vs GPT-4o ($2.50), Claude 3.5 Sonnet ($3.00), Gemini 1.5 Pro ($3.50). Output: $6.00/M vs GPT-4o ($10.00), Claude 3.5 Sonnet ($15.00), Gemini 1.5 Pro ($10.50). Grok 4.5 lebih murah baik pada input maupun output dibandingkan model-model tersebut. Namun, model yang lebih kecil seperti GPT-4o mini atau Claude 3 Haiku jauh lebih murah. Proposisi nilai Grok 4.5 terletak pada jendela konteks 500k—jika Anda tidak membutuhkannya, model yang lebih murah adalah pilihan yang lebih baik. Selain itu, kebijakan markup nol OrcaRouter memastikan Anda membayar persis harga yang terdaftar dari xAI. Tidak ada biaya gateway lain yang ditambahkan, menjadikan Grok 4.5 salah satu opsi paling hemat biaya untuk tugas multimodal konteks panjang.
Kompatibel OpenAI — pakai SDK Anda yang sekarang
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="grok/grok-4.5",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)frequency_penaltyinclude_reasoninglogprobsmax_tokenspresence_penaltyreasoningresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_logprobstop_p| Input / 1M token | $2.00 |
| Output / 1M token | $6.00 |
| Baca cache / 1M | $0.500 |
| Mata uang | USD |
Perkiraan berdasarkan harga daftar
Hanya perkiraan — jumlah token sebenarnya bergantung pada tokenizer penyedia.
GET /api/public/models/grok/grok-4.5Buka @misc{orcarouter_grok_4_5,
title = {Grok 4.5 API},
author = {xAI},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/grok/grok-4.5}
}xAI. (2026). Grok 4.5 API. OrcaRouter. https://www.orcarouter.ai/models/grok/grok-4.5