Gegenereerde titelkaart voor Claude Opus 5.5 vs Grok 4.8 met drie chips met de tekst 'Grok 4.8: geen model-ID gepubliceerd', 'bij reinforcement learning, 10 nov 2026' en 'dichtstbijzijnde aanroepbare: Grok 4.7', plus een voettekst met de vermelding dat de ontwikkelaarsdocumentatie van SpaceXSI op 19 november 2026 is gecontroleerd. OrcaRouter-logo rechtsonder.
Guides & Insights

Claude Opus 5.5 vs Grok 4.8: één model dat je kunt aanroepen, één belofte die je niet kunt waarmaken

Auteur

Gideon Frost

Publicatiedatum

Nieuwste modellen · 20Bekijk alle modellen →
Benchmarks: Artificial Analysis · dagelijks bijgewerkt
Terug naar alle berichten

De CEO van het bedrijf dat Grok 4.8 bouwt, kreeg rechtstreeks de vraag hoe het zich verhoudt tot Claude Opus 5.5. Zijn antwoord, op X op 10 november 2026, is het nuttigste dat iemand over deze vergelijking heeft gepubliceerd: "Niet zo goed. Opus 5.5 is een meesterwerk. Maar Grok 5 zou Opus 5.5 moeten overtreffen en misschien gebeurt dat over 2 of 3 maanden, met daarna aanhoudende versnelling." Dat is Elon Musk die toegeeft dat de vergelijking klopt, en het is twaalf dagen later ook het volledige openbare dossier over de capaciteiten van Grok 4.8.

Omdat Grok 4.8 geen model is dat je kunt aanroepen. De eigen developerdocumentatie van SpaceXSI — de modellenlijst, de prijspagina en de release notes, allemaal gelezen op 19 november 2026 — vermeldt grok-4.7 als nieuwste vermelding en heeft helemaal geen grok-4.8 rij: geen identifier, geen tariefkaart, geen contextvenster, geen gepubliceerde evaluatie. Artificial Analysis heeft er geen pagina voor; het verzoek geeft een 404 terug. Claude Opus 5.5 daarentegen is sinds 22 september 2026 algemeen beschikbaar, met een model-ID, een tariefkaart en acht weken onafhankelijke metingen.

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.

De nuttige versie van deze pagina is dus geen vergelijking van twee specsheets. Het is een vergelijking van een geleverd model met een opgegeven planning, plus het ene punt dat Musk' bekentenis wel beslecht: wat je vandaag moet draaien.

De concessie is meer waard dan ze lijkt.

Leveranciers geven geen benchmarkterrein prijs over hun eigen nog niet uitgebrachte model, en het voorbehoud dat ermee gepaard ging — Grok 5 zal Opus 5.5 over twee of drie maanden voorbijstreven — is een bewering over een ander model dan het model in de titel van dit artikel. Geen van beide uitspraken gaat gepaard met een benchmark, een testnaam of een datum. Gelezen als een planning in plaats van een specificatie, vertelt het een ontwikkelaar twee dingen: Grok 4.8 zal niet het model zijn dat de kloof dicht, en de eigen verwachting van het bedrijf is dat de kloof tot en met het eerste kwartaal van 2027 open blijft.

Dat is een betekenisvolle erkenning voor iedereen die momenteel op Grok 4.7 bouwt en zich afvraagt of die moet wachten. Het antwoord van de principal van de leverancier zelf is dat wachten een gok op Grok 5 is, niet op Grok 4.8.

Waarom Grok 4.8 is vertraagd

De berichten van Musk op 10 november gaven een specifiekere uitleg dan welke release note dan ook. De pretraining op Grok 4.8 is voltooid. Het team zit in reinforcement learning en moest de data voor supervised fine-tuning herzien. Een genoemde oorzaak van de vertraging is een herbouw van de infrastructuur: SpaceXSI stapte over van JAX en SGLang naar zijn eigen RL-systeem en zijn eigen inferencestack. Het opnieuw opbouwen van het trainings- en serveersubstraat midden in de RL-fase van een model is het soort beslissing dat in een planning zichtbaar wordt en niet in een changelog, en het is de meest plausibele verklaring die voorhanden is voor een model dat sinds september "op het punt staat" te verschijnen.

De vergelijking die moet worden getrokken is niet met de lancering van Claude Opus 5.5, die zonder noemenswaardige problemen en volgens planning verliep, maar met wat die probleemloosheid opleverde: acht weken van stabiele identifiers, gepubliceerde prijzen en scores van derden terwijl het concurrerende model midden in een herschrijving van de stack zat. Stabiliteit is een functie, en het is precies degene die Grok 4.8 niet heeft weten te leveren.

Wat je daadwerkelijk kunt draaien: Grok 4.7 tegen Opus 5.5

Grok 4.7 is het model dat SpaceXSI je verkoopt terwijl 4.8 wordt afgerond. Het werd op 21 september 2026 uitgebracht — een dag vóór Opus 5.5 — met een contextvenster van 500.000 tokens en een lijstprijs van $2,00 per miljoen input en $6,00 per miljoen output. Beide modellen behoren daardoor qua releasedatum tot dezelfde generatie, wat de onafhankelijke cijfers de eerlijkste lezing maakt die beschikbaar is over wat Grok 4.8 moet verslaan en hoe ver een Grok-release van de voorhoede verwijderd is.

• Intelligence Index — Claude Opus 5.5 op 59,1 tegenover Grok 4.7 op 35,5, een verschil van 23,6 punten.

• Kosten per Index-taak — $10,04 vs. $7,77, dus Grok 4.7 is slechts 23% goedkoper per voltooide taak ondanks een 70% goedkopere stickerprijs.

• Terminal-Bench 4.0 — 59,6% vs 25,8%. Opus 5.5 scoort meer dan twee keer zo hoog als Grok 4.7 op agentisch terminalwerk.

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

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

• HLE-Diamond — 67,9% tegen 23,2%.

• GDPval-AA v2.1 — 1866 Elo vs 1717, het kleinste verschil hier met 149 punten.

• AnalystAgent — 56,3% vs 52,5%, de dichtstbijzijnde benchmark van de set.

• AA-Omniscience — 48,1 bij een hallucinatiepercentage van 50,3% versus 31,2 bij 20,0%.

Context en snelheid — 1M tokens bij 117 tok/s vs 500K tokens bij 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.

De verdeling is het interessante deel. Grok 4.7 is niet overal 24 punten slechter: op GDPval, de board voor economische waarde, zit het binnen 8%, en op AnalystAgent binnen 4. Dat zijn de benchmarks die breedte van professionele output belonen in plaats van diepgang van uitvoering. Waar de taken vereisen dat een lange reeks correct wordt uitgevoerd — terminalwerk, wetenschappelijk terminalwerk, agentic coding — is de kloof het grootst op de board. Een samengestelde score van 23,6 punten is eigenlijk een beschrijving van één specifieke zwakte die zich over een suite heen opstapelt.

De kosten per taak zijn het cijfer dat Groks prijsstelling aan de kaak stelt.

Een prijskaartje van $2/$6 tegenover $4/$20 lijkt een 2,5× voordeel op de outputprijs. Artificial Analysis mat $7,77 tegenover $10,04 per taak — 23%. De reden is dat Grok 4.7 148M outputtokens genereerde over de Index-suite tegenover 218M van Opus 5.5, slechts een 1,5× voordeel, en het produceert ze met 71 tok/s tegenover 117.

Alles bij elkaar opgeteld is Grok 4.7 zowel uitvoeriger in verhouding tot zijn prijs als langzamer in reële tijd, met 24,4 minuten per Index-taak tegenover 24,6. Bijna identieke latentie voor 24 indexpunten minder capaciteit en een besparing van 23% — dat is geen waardepropositie, het is een korting op een slechter product. Iedereen die Grok 4.7 op basis van zijn prijslijst heeft gekozen, heeft voor dat voorrecht betaald.

Claude Opus 5.5 is ook niet goedkoop: $10,04 per taak zet het aan het dure eind van de ranglijst, en de taaktijd van 24,6 minuten is echt traag. Maar het levert tenminste iets voor dat geld. De juiste vergelijking voor kostenefficiëntie op deze ranglijst is niet deze twee — het is GPT-6.2 Sol tegen $1,01 per taak voor een score van 57,3, de configuratie die beide er slecht geprijsd laat uitzien.

Wat zou er moeten kloppen voor Grok 4.8 om dit te veranderen?

Dit is het deel dat de moeite waard is om te lezen als je een migratie plant in plaats van een aankoop. Een model dat uit RL komt met herwerkte supervised fine-tuning kan in beide richtingen flink verschuiven, en de specifieke benchmarks waarop Grok 4.7 faalt, zijn precies degene die RL op verifieerbare taken doorgaans het eerst oplost. Terminalwerk, agentisch programmeren en wetenschappelijke uitvoering hebben allemaal door machines controleerbare beloningen, wat precies is wat een RL-fase optimaliseert. Als Grok 4.8 een grote winst op Terminal-Bench laat zien ten opzichte van de 25,8% van 4.7, dan is dat het signaal dat de RL-run heeft gewerkt.

Er zouden drie dingen moeten verschijnen voordat iets hiervan uitvoerbaar zou worden. Een grok-4.8-identifier in de documentatie van SpaceXSI. Een tariefkaart — en let op: een nieuwe inferentiestack is een plausibele reden voor een prijswijziging in beide richtingen. En een gepubliceerde evaluatie, omdat Musks eigen uitspraken deze maand benchmarkscores uitdrukkelijk afdeden als maatstaf voor kwaliteit, wat betekent dat het eigen materiaal van de leverancier over 4.8 waarschijnlijk niet als een tabel met cijfers zal verschijnen.

Tot die bestaan, is de eerlijke inschatting dat Grok 4.8 ergens tussen Grok 4.7 en Opus 5.5 ligt en dat niemand buiten SpaceXSI weet waar. Elke pagina die je vandaag een contextvenster, prijs of score voor Grok 4.8 geeft, heeft die verzonnen.

Vandaag kiezen

Grok 4.8 maakt geen deel uit van de beslissing. Claude Opus 5.5 wel, naast Grok 4.7 en de modellen die daadwerkelijk voor dezelfde plek concurreren.

Als je werk bestaat uit langdurige agentische uitvoering — codeeragenten, terminalautomatisering, onderzoek in meerdere stappen — dan wint Claude Opus 5.5 op elke uitvoeringsbenchmark met een marge die geen enkele hoeveelheid prompt engineering dicht krijgt, en het kost daarvoor ongeveer 29% meer per taak dan Grok 4.7. Dat is een eerlijke ruil en een makkelijke keuze.

Als je werk professionele breedte betreft — analyse, opstellen, taken met economische waarde — liggen de twee dicht genoeg bij elkaar dat de besparing van 23% Grok 4.7 zou kunnen rechtvaardigen, mits je kunt leven met een contextvenster van 500K in plaats van 1M en met de lagere recall die een Omniscience-composiet van 31 tegenover 48 impliceert.

Als je op Grok bouwt en je wilt je indekken tegen precies dit soort misstappen, is de praktische aanpak om de modelkeuze buiten je code te houden. Beide zijn bereikbaar via één OrcaRouter-sleutel — anthropic/claude-opus-5.5 en grok/grok-4.7 — tegen 0% opslag op de lijstprijs van de provider, zodat de Grok 4.7-lijn het eigen tarief van de leverancier is en een SpaceXSI-prijsverandering op 4.8 ingaat op de dag dat die wordt aangekondigd, niet op de dag dat je het merkt. Stel de routeringsregel zo in dat het model wordt verkozen dat volgens je evaluatie sterker is, en laat automatische failover een provider afhandelen die midden in een run niet meer reageert. Wanneer Grok 4.8 verschijnt, is het toevoegen ervan een routeringsvermelding, geen migratie.

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.

De slotsom, voor zover daarvan sprake is

Musk zei dat Grok 4.8 niet zo goed is als Claude Opus 5.5, en zei vervolgens dat Grok 5 dat over twee of drie maanden misschien wel zou zijn. Als je dat letterlijk neemt, is dat een venster van twee kwartalen waarin het frontiermodel voor agentische uitvoering het model is dat in september is uitgebracht. Houd daar rekening mee, en behandel elke aankondiging over Grok 4.8 als een reden om je evaluatie opnieuw uit te voeren, niet als een reden om je integratie te herschrijven.

Vergeleken in dit artikel1

Herkend uit dit artikel · Benchmarks: Artificial Analysis · dagelijks bijgewerkt