
Claude Opus 5.5 kontra Grok 4.8: jeden model, który możesz wywołać, jedna obietnica, której nie możesz dotrzymać
- OrcaNOWOŚĆOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 za 1 mln tokenów · 184 tok/s
- tencentNOWOŚĆTencent: Hy4 Flash2026-11-16$0.02 / $0.07 za 1 mln tokenów · 223 tok/s
- GoogleNOWOŚĆGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 za 1 mln tokenów · 87 tok/s
- AnthropicNOWOŚĆAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 za 1 mln tokenów · 96 tok/s
- orcaNOWOŚĆOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 za 1 mln tokenów · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 za 1 mln tokenów · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 za 1 mln tokenów · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 za 1 mln tokenów · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 za 1 mln tokenów · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 za 1 mln tokenów · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencja
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 za 1 mln tokenów · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencja
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 za 1 mln tokenów · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencja
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 za 1 mln tokenów · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencja
Dyrektor generalny firmy budującej Grok 4.8 został zapytany wprost, jak wypada ona w porównaniu z Claude Opus 5.5. Jego odpowiedź, opublikowana na X 10 listopada 2026 r., jest najbardziej użyteczną rzeczą, jaką ktokolwiek opublikował na temat tego starcia: „Nie jest tak dobry. Opus 5.5 to arcydzieło. Ale Grok 5 powinien przewyższyć Opus 5.5 i być może nastąpi to za 2 lub 3 miesiące, a później przyspieszenie będzie kontynuowane”. To Elon Musk przyznający rację w tym porównaniu, a zarazem, dwanaście dni później, cały publiczny zapis na temat możliwości Grok 4.8.
Ponieważ Grok 4.8 nie jest modelem, który można wywołać. Własna dokumentacja deweloperska SpaceXSI — lista modeli, strona z cennikiem oraz informacje o wydaniu, wszystkie odczytane 19 listopada 2026 r. — podaje grok-4.7 jako najnowszą pozycję i nie zawiera w ogóle wiersza grok-4.8: brak identyfikatora, brak cennika, brak okna kontekstowego, brak opublikowanej oceny. Artificial Analysis nie ma dla niego strony; żądanie zwraca 404. Natomiast Claude Opus 5.5 jest powszechnie dostępny od 22 września 2026 r. wraz z identyfikatorem modelu, cennikiem i ośmioma tygodniami niezależnych pomiarów.

Zatem użyteczna wersja tej strony to nie porównanie dwóch kart specyfikacji. To porównanie wydanego modelu z deklarowanym harmonogramem, a do tego ta jedna rzecz, którą przyznanie Muska faktycznie rozstrzyga: co uruchomić dzisiaj.
To ustępstwo jest warte więcej, niż się wydaje.
Dostawcy nie oddają pola w benchmarkach w kwestii własnego, niewydanego modelu, a zastrzeżenie, które temu towarzyszyło — Grok 5 przewyższy Opus 5.5 za dwa lub trzy miesiące — dotyczy innego modelu niż ten z tytułu tego artykułu. Żadnemu z tych stwierdzeń nie towarzyszy benchmark, nazwa testu ani data. Odczytane jako harmonogram, a nie specyfikacja, mówi programiście dwie rzeczy: Grok 4.8 nie będzie modelem, który zasypie lukę, a własne oczekiwanie firmy jest takie, że luka pozostanie otwarta przez cały pierwszy kwartał 2027 r.
To znaczące wyznanie dla każdego, kto obecnie buduje na Grok 4.7 i zastanawia się, czy czekać. Odpowiedź od samego przedstawiciela dostawcy brzmi: czekanie to zakład na Grok 5, a nie na Grok 4.8.
Dlaczego Grok 4.8 się opóźnił
Posty Muska z 10 listopada przedstawiały bardziej konkretny opis niż jakakolwiek nota wydania. Wstępne trenowanie Grok 4.8 zostało ukończone. Zespół znajduje się na etapie uczenia ze wzmocnieniem i musiał przerobić dane wykorzystywane do nadzorowanego dostrajania. Jedną z podanych przyczyn opóźnienia jest przebudowa infrastruktury: SpaceXSI odeszło od JAX i SGLang na rzecz własnego systemu RL oraz własnego stosu wnioskowania. Przebudowa podłoża trenowania i udostępniania w środku fazy RL modelu to decyzja, która odbija się w harmonogramie, a nie w dzienniku zmian, i jest to najbardziej wiarygodne z dostępnych wyjaśnień dla modelu, który od września jest „tuż za rogiem”.
Porównanie, jakie należy przeprowadzić, nie dotyczy premiery Claude Opus 5.5, która przebiegła bez niespodzianek i zgodnie z planem, lecz tego, co ta bezproblemowość przyniosła: ośmiu tygodni stabilnych identyfikatorów, opublikowanych cen i wyników niezależnych testów, podczas gdy konkurencyjny model przechodził przepisywanie stosu. Stabilność jest cechą — i to tą, której Grok 4.8 nie zdołał dostarczyć.
Co możesz faktycznie uruchomić: Grok 4.7 kontra Opus 5.5
Grok 4.7 to model, który SpaceXSI będzie ci sprzedawać, zanim 4.8 zostanie ukończony. Trafił do sprzedaży 21 września 2026 r. — dzień przed Opus 5.5 — z oknem kontekstowym 500 000 tokenów i ceną katalogową 2,00 USD za milion tokenów wejściowych i 6,00 USD za milion tokenów wyjściowych. Oba modele są zatem w tej samej generacji pod względem daty premiery, co sprawia, że niezależne liczby są najuczciwszą dostępną miarą tego, co Grok 4.8 musi przebić i jak daleko wydaniu Groka do czołówki.
• Indeks inteligencji — Claude Opus 5.5 z wynikiem 59,1 vs Grok 4.7 z wynikiem 35,5, różnica 23,6 punktu.
• Koszt na zadanie Index — 10,04 USD vs 7,77 USD, więc Grok 4.7 jest tylko o 23% tańszy na ukończone zadanie, mimo że jego cena wywoławcza jest o 70% niższa.
• Terminal-Bench 4.0 — 59,6% vs 25,8%. Opus 5.5 ponad dwukrotnie przewyższa Grok 4.7 w zadaniach agentowych w terminalu.
• Terminal-Bench-Science 0.1 — 59,0% w porównaniu z 11,4%.
• FrontierCode-AA 2.0 — 46,4% wobec 28,7%.
• HLE-Diamond — 67,9% vs 23,2%.
• GDPval-AA v2.1 — 1866 Elo vs 1717, najmniejsza różnica w tym zestawieniu — 149 punktów.
• AnalystAgent — 56,3% vs 52,5%, najbliższy benchmark w zestawie.
AA-Omniscience — 48,1 przy wskaźniku halucynacji 50,3% w porównaniu z 31,2 przy 20,0%.
• Kontekst i szybkość — 1 mln tokenów przy 117 tok/s vs 500 tys. tokenów przy 71 tok/s.

Rozkład jest tu najciekawszy. Grok 4.7 nie jest gorszy o 24 punkty wszędzie: w GDPval, tablicy wartości ekonomicznej, mieści się w granicach 8%, a w AnalystAgent — 4. To benchmarki, które nagradzają szerokość profesjonalnych wyników, a nie głębię realizacji. Tam, gdzie zadania wymagają poprawnego wykonania długiej sekwencji — pracy w terminalu, naukowej pracy w terminalu, kodowania agentowego — różnica jest największa w całym zestawieniu. Wynik zbiorczy 23,6 punktu to w istocie opis jednej konkretnej słabości, która kumuluje się w całym zestawie.
Koszt na zadanie to liczba, która kompromituje cennik Groka.
Cena katalogowa $2/$6 w porównaniu z $4/$20 wygląda na 2,5× przewagę w cenie tokenów wyjściowych. Artificial Analysis zmierzyło $7,77 wobec $10,04 na zadanie — 23%. Powód jest taki, że Grok 4.7 wygenerował 148 mln tokenów wyjściowych w całym zestawie Index w porównaniu z 218 mln w przypadku Opus 5.5, czyli tylko 1,5× przewagi, i wytwarza je z szybkością 71 tok/s wobec 117.
Złożone razem, Grok 4.7 jest zarówno bardziej rozwlekły względem swojej ceny, jak i wolniejszy w ujęciu zegarowym — 24,4 minuty na zadanie Index wobec 24,6. Niemal identyczne opóźnienie przy 24 punktach Index mniej możliwości i 23% oszczędności — to nie jest propozycja wartości, to rabat na gorszy produkt. Każdy, kto wybrał Grok 4.7 na podstawie jego cennika, płacił za przywilej.
Claude Opus 5.5 również nie jest tani: 10,04 USD za zadanie stawia go na drogim końcu zestawienia, a czas realizacji zadania wynoszący 24,6 minuty jest naprawdę wolny. Ale przynajmniej w zamian za te pieniądze coś się dostaje. Właściwym porównaniem pod kątem efektywności kosztowej w tym zestawieniu nie są te dwa modele — jest nim GPT-6.2 Sol przy 1,01 USD za zadanie za indeks 57,3, czyli konfiguracja, przez którą oba wyglądają na źle wycenione.
Co musiałoby być prawdą, aby Grok 4.8 to zmienił?
To jest część warta przeczytania, jeśli planujesz migrację, a nie zakup. Model wychodzący z RL z przeprojektowanym dostrajaniem nadzorowanym może znacząco przesunąć się w obu kierunkach, a konkretne benchmarki, na których Grok 4.7 zawodzi, to te, które RL na zadaniach weryfikowalnych zwykle naprawia najpierw. Praca w terminalu, kodowanie agentowe i wykonywanie zadań naukowych mają nagrody sprawdzalne maszynowo, co jest dokładnie tym, co optymalizuje faza RL. Jeśli Grok 4.8 odnotuje duży wzrost w Terminal-Bench względem 25,8% Groka 4.7, to będzie sygnał, że przebieg RL zadziałał.
Trzy rzeczy musiałyby się pojawić, zanim którakolwiek z nich stałaby się możliwa do wykorzystania. grok-4.8 — identyfikator w dokumentacji SpaceXSI. Cennik — i warto zauważyć, że nowy stos wnioskowania to prawdopodobny powód zmiany ceny w obu kierunkach. Oraz opublikowana ewaluacja, ponieważ własne wypowiedzi Muska z tego miesiąca wyraźnie odrzuciły wyniki benchmarków jako miarę jakości, co oznacza, że własne materiały dostawcy na temat 4.8 raczej nie pojawią się w formie tabeli liczb.
Dopóki takich nie ma, uczciwe oszacowanie jest takie, że Grok 4.8 plasuje się gdzieś między Grok 4.7 a Opus 5.5 i że nikt spoza SpaceXSI nie wie gdzie. Każda strona, która dziś podaje okno kontekstu, cenę lub wynik Grok 4.8, po prostu je wymyśliła.
Wybierając dzisiaj
Grok 4.8 nie jest uwzględniany w decyzji. Claude Opus 5.5 jest — obok Grok 4.7 i modeli, które faktycznie konkurują o to samo miejsce.
Jeśli Twoja praca polega na długoterminowym wykonywaniu zadań przez agentów — agentach do kodowania, automatyzacji terminala, wieloetapowych badaniach — Claude Opus 5.5 wygrywa w każdym benchmarku wykonawczym z przewagą, której nie zniweluje żadna ilość prompt engineeringu, a przy tym kosztuje około 29% więcej na zadanie niż Grok 4.7. To uczciwy układ i łatwa decyzja.
Jeśli Twoja praca obejmuje szeroki zakres zadań zawodowych — analizę, redagowanie, zadania o wartości ekonomicznej — te dwa modele są wystarczająco bliskie, by 23% oszczędności mogło uzasadnić Grok 4.7, pod warunkiem że akceptujesz okno kontekstu 500K zamiast 1M oraz niższy współczynnik przywoływania wynikający z wyniku zbiorczego Omniscience 31 wobec 48.
Jeśli budujesz na Groku i chcesz zabezpieczyć się przed dokładnie tego rodzaju potknięciem, praktycznym wzorcem jest trzymanie wyboru modelu poza swoim kodem. Oba są dostępne przez jeden klucz OrcaRouter — anthropic/claude-opus-5.5 i grok/grok-4.7 — z 0% narzutu względem ceny katalogowej dostawcy, więc pozycja Grok 4.7 to stawka samego dostawcy, a zmiana ceny SpaceXSI dla 4.8 wchodzi w życie w dniu ogłoszenia, a nie w dniu, w którym ją zauważysz. Ustaw regułę routingu tak, aby preferowała model, który według Twojej ewaluacji jest mocniejszy, i pozwól, by automatyczne przełączanie awaryjne obsłużyło dostawcę, który przestaje odpowiadać w trakcie działania. Gdy Grok 4.8 się pojawi, jego dodanie to wpis w routingu, a nie migracja.

Sedno sprawy, takie jakie jest
Musk powiedział, że Grok 4.8 nie jest tak dobry jak Claude Opus 5.5, a następnie stwierdził, że Grok 5 może być, za dwa lub trzy miesiące. Biorąc to dosłownie, mamy okno dwóch kwartałów, w którym wiodącym modelem do agentowego wykonywania zadań jest ten, który trafił na rynek we wrześniu. Planuj to i traktuj każdą zapowiedź Grok 4.8 jako powód do ponownego przeprowadzenia ewaluacji, a nie do przepisania integracji.
Porównane w tym artykule2
Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie
