Grok 4.6 vs Claude Opus 5: Ten sam 61, dwie różne ekonomie

Artificial Analysis przepuszcza każdy model graniczny przez te same dziewięć ewaluacji i publikuje rachunek. Na swoim Intelligence Index, Grok 4.6 i Claude Opus 5 osiągają tę samą liczbę — 61 — co czyni ten przypadek rzadkim bezpośrednim starciem, w którym złożony wskaźnik nie potrafi powiedzieć, którego użyć. To, co potrafi, to mniej znana liczba z tego samego źródła: w pakiecie do pracy opartej na wiedzy AA-Briefcase, Grok 4.6 ukończył zadanie w około 53 turach i przy około pół miliarda tokenów wejściowych, podczas gdy Claude Opus 5 przy maksymalnym wysiłku potrzebował około 103 tur i dwóch miliardów tokenów na tę samą pracę. To czterokrotna różnica w zużyciu tokenów między dwoma modelami, których główny wynik jest identyczny, i ujawnia się dopiero wtedy, gdy przestajesz porównywać karty modeli, a zaczynasz porównywać rachunki.

Oba modele to najnowsze flagowe premiery, co czyni to czystym porównaniem, a nie niedopasowaniem pokoleń. Grok 4.6 został wydany 12 sierpnia 2026 roku przez SpaceXAI jako udoskonalenie fundamentów Grok 4.5 — tej samej bazy mieszanki ekspertów o 1,5 biliona parametrów, trenowanej ponownie z dłuższym nadzorem i sesjami uczenia przez wzmacnianie, ukierunkowanymi na długotrwałych agentów. Claude Opus 5 został wydany 24 lipca 2026 roku przez Anthropic jako flagowy model ze stałą datą wydania, z myśleniem adaptacyjnym, oknem kontekstowym o pojemności 1 miliona tokenów oraz obsługą obrazów i plików. Zajmują to samo miejsce na niezależnej liście rankingowej, ale przeciwległe pozycje w cenniku: 2 $ / 6 $ za milion tokenów dla Grok 4.6 wobec 5 $ / 25 $ dla Claude Opus 5. Najciekawsze jest ustalenie, która połowa tego zdania decyduje o twoim wyborze produkcyjnym.

61, która skrywa czterokrotną lukę wydajności

Indeks Inteligencji jest złożeniem dziewięciu ewaluacji, co jest zarówno jego siłą, jak i ślepą plamką. Pojedyncza liczba uśredniająca wyniki rozumowania, matematyki, kodowania i pracy opartej na wiedzy ukrywa, w jaki sposób model do tego dochodzi — a te dwa dochodzą do tego w odwrotny sposób. Autorski pakiet Artificial Analysis do profesjonalnej pracy opartej na wiedzy, w stylu teczki, jest najczystszym oknem na tę różnicę: mierzy on rzeczywiste zadania o długim horyzoncie czasowym i zarejestrował Grok 4.6 przy około 53 turach i 0,5 mld tokenów wejściowych na zadanie, podczas gdy Claude Opus 5 Max przy mniej więcej 103 turach i 2 mld tokenów wejściowych. W ekonomii pojedynczego zadania to jest różnica między modelem, który kończy zadanie badawczo-produkcyjne w ćwierć liczby tokenów, a takim, który je spala.

Przyczyną jest decyzja projektowa, a nie błąd. Grok 4.6 został wytrenowany specjalnie po to, by weryfikować swoją pracę w trakcie działania i zatrzymywać się, gdy podzadanie jest naprawdę ukończone — xAI opisuje długie trajektorie zadań z samodzielnym testowaniem jako cel treningowy. Claude Opus 5 jest trenowany pod kątem głębi rozumowania i szerokości wiedzy, a jego domyślne zachowanie polega na głębszym myśleniu i sięganiu po więcej, niż to absolutnie konieczne. Oba to „modele rozumujące"; inaczej rozdzielają wysiłek, a właśnie ten podział jest specyfikacją, która ma znaczenie dla obciążeń agentów.

Ta różnica ma największe znaczenie dla agentów, którzy wywołują model w pętli — agentów badawczych, agentów kodu działających przez dziesiątki tur, potoków dokumentów przetwarzających partie danych nocą. Każda tura jest rozliczana, a każdy token wejściowy to kontekst, który trzeba ponownie wysłać przy następnym wywołaniu. Model, który kończy w 53 turach przy 0,5 mld tokenów, jest nie tylko tańszy na token; jest tańszy na zadanie o około rząd wielkości niż model, który potrzebuje 103 tur przy 2 mld tokenów, zanim jeszcze pomnożymy to przez cenę katalogową.

Karta specyfikacji, obie strony

Gdzie różnią się na papierze, po jednej linii każdy:

• Intelligence Index — Grok 4.6 zdobywa 61 punktów, zajmując 6. miejsce na 184; Claude Opus 5 uzyskuje 61, plasując się obok na szczycie tabeli. Remis, według Artificial Analysis.

• Cena katalogowa za 1M tokenów — Grok 4.6: $2 za tokeny wejściowe / $6 za tokeny wyjściowe (z podwojeniem do $4 / $12 dla promptów mających 200K lub więcej tokenów wejściowych); Claude Opus 5: $5 za tokeny wejściowe / $25 za tokeny wyjściowe, z 50% zniżką za przetwarzanie wsadowe do $2.50 / $12.50.

• Okno kontekstu — 500 tys. tokenów dla Grok 4.6 wobec 1 000 000 dla Claude Opus 5, to najbardziej jednoznaczna przewaga specyfikacyjna, jaką ma którykolwiek z modeli.

• Maksymalna długość odpowiedzi — Claude Opus 5 pozwala na maksymalnie 128 tys. tokenów wyjściowych (300 tys. przez API wsadowe); limit Grok 4.6 jest niższy, rzędu typowej długiej odpowiedzi.

• Wejścia — oba przyjmują tekst i obraz; Claude Opus 5 akceptuje również pliki, a wersja multimodalnego wejścia Anthropica sięga do dokumentów bardziej bezpośrednio.

• GDPVal-AA v2 (praca oparta na wiedzy) — Grok 4.6 z wynikiem 1 753 Elo wobec Claude Opus 5 z wynikiem 1 852 Elo. Opus 5 zdobywa koronę jakości pracy opartej na wiedzy w teście, w którym efektywność briefcase sprzyjała Grokowi. [Artificial Analysis]

• CursorBench v3.2 — 69,9% dla Grok 4.6 wobec 70,0% dla Claude Opus 5, praktycznie remis w benchmarku agentów kodujących, na którym oba zmierzono. [Artificial Analysis]

• Kontrola rozumowania — Claude Opus 5 udostępnia pokrętło wysiłku od niskiego do maksymalnego, a adaptacyjne myślenie ma domyślnie włączone; Grok 4.6 udostępnia wysiłek rozumowania, ale jest dostrojony do ustawień domyślnych, które sprzyjają długim trajektoriom agenta.

Sens zestawiania ich obok siebie jest taki, że żaden z modeli nie dominuje. Claude Opus 5 jest na papierze lepszym generalistą: większy kontekst, wyższy sufit wyjściowy, wprowadzanie plików, wyższa jakość pracy intelektualnej. Grok 4.6 to lepszy stosunek jakości do ceny i bardziej wydajny agent. Pozostaje tylko pytanie, która z tych opcji opisuje pracę, którą faktycznie wykonujesz.

Gdzie Claude Opus 5 zasługuje na swoją cenę premium

Liczby premierowe Anthropica — raportowane przez producenta, nie zaś niezależnie zweryfikowane — plasują Claude'a Opus 5 na 96,0% w SWE-bench Verified i 79,2% w SWE-bench Pro, przy wyniku 70,6% w OSWorld za obsługę komputera. W szerokim zestawieniu zbiorczym jego wynik 61 dorównuje Grokowi 4.6, a w GDPVal-AA wykazuje mierzalną przewagę. W praktyce przekłada się to na model, który dobrze radzi sobie przez cały dzień pracy pracownika wiedzy: szkicowanie, analiza, rozumowanie długich dokumentów, zadania łączące obraz i tekst oraz kodowanie — wszystko w jednym miejscu, z milionem tokenów kontekstu.

Okno kontekstu to prawdziwy powód, aby po nie sięgnąć. Limit 500 tys. tokenów jest duży, ale to nie cała baza kodu plus korpus badawczy plus wyniki pośrednie długiej sesji agenta. Zespoły przeprowadzające w jednym przebiegu dogłębną analizę bardzo dużych korpusów — całe repozytorium, rok sprawozdań finansowych, długi stos plików PDF — uderzą w sufit Grok 4.6 i nigdy nie osiągną limitu Claude Opus 5. Dla tych obciążeń dodatkowy kontekst to nie luksus; to różnica między zmieszczeniem zadania a organizowaniem pracy wokół limitu.

Gdzie Grok 4.6 jest lepszym zakupem

Odwracając te same fakty, Grok 4.6 jest lepszym zakupem dla potoków agentowych — i to z dużą przewagą. Jest 2,5× tańszy na wejściu i 4,2× tańszy na wyjściu w porównaniu z ceną katalogową Opusa 5, a jego wydajność tokenowa w przeliczeniu na zadanie dodatkowo to potęguje: liczby AA-Briefcase sugerują około 4× mniej tokenów i 2× mniej kroków dla tego samego rezultatu pracy intelektualnej. Pomnóż 4× przez 2,5×, a zadanie, które przy ekonomice Opusa 5 kosztuje 1,00 $, przy Groku 4.6 będzie kosztować rzędu 0,10 $ — zanim rabaty za przetwarzanie wsadowe po stronie Opusa zmniejszą część tej luki.

Jeśli chodzi konkretnie o kodowanie agentowe, wynik Grok 4.6 w DeepSWE 1.1 poprawił się z 54% do 65,9% między wersjami 4.5 a 4.6, a jego wynik CursorBench jest o pół punktu od wyniku Opus 5, przy czym model sam weryfikuje swoją pracę po drodze. Dla zespołu uruchamiającego tysiące wywołań agentowych dziennie, gdzie każde wywołanie jest pętlą wieloetapową, opłacalność pojedynczego zadania i krótsze trajektorie decydują o różnicy między produktem, który ma rację bytu, a spalaniem gotówki. Taki argument przedstawia xAI, a niezależne dane dotyczące wydajności potwierdzają ten kierunek.

Decyzja routingu

To jest starcie, w którym router naprawdę zarabia na swoje utrzymanie, bo poprawna odpowiedź brzmi: „oba, z podziałem zdefiniowanym przez charakter obciążenia". Grok 4.6 i Claude Opus 5 są oba dostępne na OrcaRouter w cennikach poszczególnych dostawców — 2 $ / 6 $ dla grok/grok-4.6, 5 $ / 25 $ dla anthropic/claude-opus-5 — z 0% narzutu, więc liczba w twoim modelu kosztów to liczba, która zostanie zafakturowana. Mechanizmy, które czynią ten podział praktycznym: jeden klucz API do obu modeli, automatyczne przełączanie awaryjne, jeśli endpoint jednego dostawcy ulegnie degradacji w trakcie długiego przebiegu agenta, oraz DSL routingu, który może wysyłać krótkie, wysokowolumenowe tury do Grok 4.6, a długohoryzontowe, wymagające dużej kontekstu zadania eskalować do Claude Opus 5 w ramach pojedynczego wywołania. Nie potrzebujesz drugiej umowy, aby prowadzić architekturę dwupoziomową, a podział możesz dostroić na bieżąco, gdy napływają dane z rzeczywistego ruchu, zamiast zgadywać na podstawie kart modeli.

Uczciwa ocena

Remis w indeksie złożonym jest realny i jest pułapką. Modele z tym samym wynikiem nie są zamienne; różnią się właśnie tam, gdzie wynik jest ślepy. Claude Opus 5 jest bezpieczniejszym wyborem domyślnym do szerokich, wymagających kontekstu prac nad dokumentami i obrazami, gdzie okno 1M tokenów i głębokie rozumowanie liczą się bardziej niż koszt. Grok 4.6 jest lepszym wyborem domyślnym do pętli agentów o dużej objętości, gdzie wydajność tokenów na zadanie i 2,5× przewaga cenowa składają się na różnicę w rachunku o rząd wielkości. Jeśli twoje obciążenie należy do pierwszej kategorii, zapłać za Opus 5 i przestań martwić się ceną. Jeśli natomiast do drugiej, parytet 61 na papierze to najlepszy powód, jaki kiedykolwiek będziesz mieć, aby najpierw przetestować Grok 4.6 — benchmark mówi, że są równe, a rachunek mówi, że nie są.