Cartão de título gerado para Claude Opus 5.5 vs Grok 4.8 com três chips exibindo "Grok 4.8: nenhum ID de modelo publicado", "em aprendizagem por reforço, 10 de novembro de 2026" e "invocável mais próximo: Grok 4.7", além de um rodapé observando que a documentação para desenvolvedores da SpaceXSI foi verificada em 19 de novembro de 2026. Logotipo da OrcaRouter no canto inferior direito.
Guides & Insights

Claude Opus 5.5 vs Grok 4.8: Um modelo que você pode chamar, uma promessa que você não pode

Autor

Gideon Frost

Data de publicação

Modelos mais recentes · 20Ver todos os modelos →
Benchmarks: Artificial Analysis · atualizado diariamente
Voltar para todas as publicações

O CEO da empresa que está construindo o Grok 4.8 foi questionado diretamente sobre como ele se compara ao Claude Opus 5.5. Sua resposta, no X em 10 de novembro de 2026, é a coisa mais útil que alguém já publicou sobre esse confronto: "Não é tão bom. O Opus 5.5 é uma obra-prima. Mas o Grok 5 deve superar o Opus 5.5, e talvez isso aconteça em 2 ou 3 meses, com aceleração contínua a partir daí." Trata-se de Elon Musk admitindo a comparação e, também, doze dias depois, de todo o registro público sobre a capacidade do Grok 4.8.

Porque o Grok 4.8 não é um modelo que você possa invocar. A própria documentação para desenvolvedores da SpaceXSI — a lista de modelos, a página de preços e as notas de versão, todas consultadas em 19 de novembro de 2026 — traz grok-4.7 como sua entrada mais recente e não tem nenhuma grok-4.8 linha: nenhum identificador, nenhuma tabela de preços, nenhuma janela de contexto, nenhuma avaliação publicada. A Artificial Analysis não tem página para ele; a requisição retorna 404. Claude Opus 5.5, em contraste, está em disponibilidade geral desde 22 de setembro de 2026, com um ID de modelo, uma tabela de preços e oito semanas de medição independente.

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.

Portanto, a versão útil desta página não é uma comparação entre duas fichas técnicas. É uma comparação de um modelo já entregue com um cronograma declarado, além da única coisa que a admissão de Musk de fato resolve: o que executar hoje.

A concessão vale mais do que parece.

Os fornecedores não cedem terreno em benchmarks no que diz respeito ao próprio modelo ainda não lançado, e a ressalva que veio junto — a de que o Grok 5 superará o Opus 5.5 em dois ou três meses — é uma afirmação sobre um modelo diferente daquele que aparece no título deste artigo. Nenhuma das duas declarações vem acompanhada de um benchmark, de um nome de teste ou de uma data. Lida como cronograma, e não como especificação, ela diz duas coisas a um desenvolvedor: o Grok 4.8 não será o modelo que fecha a lacuna, e a expectativa da própria empresa é que a lacuna permaneça aberta até o primeiro trimestre de 2027.

Isso é uma admissão significativa para qualquer pessoa que esteja atualmente desenvolvendo com o Grok 4.7 e se perguntando se deve esperar. A resposta do próprio responsável principal do fornecedor é que esperar é uma aposta no Grok 5, não no Grok 4.8.

Por que o Grok 4.8 ficou para trás

As publicações de Musk de 10 de novembro deram um relato mais específico do que qualquer nota de lançamento. O pré-treinamento do Grok 4.8 está concluído. A equipe está em aprendizado por reforço e precisou refazer os dados usados no ajuste fino supervisionado. Uma das causas declaradas do atraso é uma reconstrução de infraestrutura: a SpaceXSI migrou do JAX e do SGLang para seu próprio sistema de RL e sua própria pilha de inferência. Reconstruir a base de treinamento e serviço no meio da fase de RL de um modelo é o tipo de decisão que aparece no cronograma e não no changelog, e é a explicação mais plausível disponível para um modelo que está "iminente" desde setembro.

A comparação a fazer não é com o lançamento do Claude Opus 5.5, que transcorreu sem incidentes e dentro do cronograma, mas com o que essa ausência de incidentes proporcionou: oito semanas de identificadores estáveis, preços publicados e pontuações de terceiros enquanto o modelo concorrente estava em uma reescrita da stack. Estabilidade é uma funcionalidade, e é a que o Grok 4.8 não conseguiu entregar.

O que você consegue realmente executar: Grok 4.7 contra Opus 5.5

O Grok 4.7 é o modelo que a SpaceXSI venderá para você enquanto o 4.8 fica pronto. Ele foi lançado em 21 de setembro de 2026 — um dia antes do Opus 5.5 — com uma janela de contexto de 500.000 tokens e preço de tabela de US$ 2,00 por milhão de tokens de entrada e US$ 6,00 por milhão de saída. Ambos os modelos estão, portanto, na mesma geração por data de lançamento, o que torna os números independentes a leitura mais justa disponível sobre o que o Grok 4.8 precisa superar e o quão distante um lançamento do Grok está da fronteira.

• Índice de Inteligência — Claude Opus 5.5 com 59,1 vs Grok 4.7 com 35,5, uma diferença de 23,6 pontos.

• Custo por tarefa do Index — US$ 10,04 vs. US$ 7,77, então o Grok 4.7 é apenas 23% mais barato por tarefa concluída, apesar de um preço de tabela 70% menor.

• Terminal-Bench 4.0 — 59,6% vs 25,8%. Opus 5.5 mais que dobra o Grok 4.7 em trabalho agêntico de terminal.

• 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, a diferença mais estreita aqui, com 149 pontos.

• AnalystAgent — 56,3% vs 52,5%, o benchmark mais próximo do conjunto.

• AA-Omniscience — 48,1 com taxa de alucinação de 50,3% vs. 31,2 com 20,0%.

• Contexto e velocidade — 1M de tokens a 117 tok/s vs 500K de tokens a 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.

A distribuição é a parte interessante. O Grok 4.7 não é 24 pontos pior em todos os lugares: no GDPval, o ranking de valor econômico, ele fica a menos de 8%, e no AnalystAgent, a menos de 4. Esses são os benchmarks que recompensam a amplitude da produção profissional em vez da profundidade da execução. Onde as tarefas exigem executar corretamente uma longa sequência — trabalho em terminal, trabalho científico em terminal, codificação agêntica —, a diferença é a maior do ranking. Um composto de 23,6 pontos é, na verdade, a descrição de uma fraqueza específica que se acumula por toda uma suíte.

O custo por tarefa é o número que denuncia a precificação do Grok.

Um preço de tabela de US$ 2/US$ 6 contra US$ 4/US$ 20 parece uma vantagem de 2,5× no preço de saída. A Artificial Analysis mediu US$ 7,77 contra US$ 10,04 por tarefa — 23%. O motivo é que o Grok 4.7 gerou 148M de tokens de saída na suíte Index contra 218M do Opus 5.5, apenas uma vantagem de 1,5×, e os produz a 71 tok/s contra 117.

Junte tudo isso e o Grok 4.7 é, ao mesmo tempo, mais prolixo em relação ao seu preço e mais lento em termos de tempo real, com 24,4 minutos por tarefa do Index contra 24,6. Latência praticamente idêntica por 24 pontos de índice a menos de capacidade e uma economia de 23% — isso não é uma proposta de valor, é um desconto em um produto pior. Qualquer pessoa que escolheu o Grok 4.7 com base na sua lista de preços vem pagando por esse privilégio.

Claude Opus 5.5 também não é barato: US$ 10,04 por tarefa o coloca na ponta cara do ranking, e seu tempo de tarefa de 24,6 minutos é genuinamente lento. Mas ao menos ele entrega algo em troca do dinheiro. A comparação correta de custo-benefício neste ranking não é entre esses dois — é o GPT-6.2 Sol a US$ 1,01 por tarefa para um índice de 57,3, que é a configuração que faz os dois parecerem mal precificados.

O que teria que ser verdade para o Grok 4.8 mudar isso

Esta é a parte que vale a pena ler se estiveres a planear uma migração em vez de uma compra. Um modelo que sai do RL com ajuste fino supervisionado reformulado pode evoluir bastante em ambas as direções, e os benchmarks específicos em que o Grok 4.7 falha são precisamente aqueles que o RL em tarefas verificáveis tende a corrigir primeiro. Trabalho em terminal, programação agêntica e execução científica têm todos recompensas verificáveis por máquina, que é exatamente o que uma fase de RL otimiza. Se o Grok 4.8 apresentar um grande ganho no Terminal-Bench face aos 25,8% do 4.7, esse é o sinal de que a corrida de RL funcionou.

Três coisas teriam de surgir antes que qualquer uma delas se tornasse acionável. Um grok-4.8 identificador na documentação da SpaceXSI. Uma tabela de preços — e observe que uma nova pilha de inferência é um motivo plausível para uma mudança de preço em qualquer direção. E uma avaliação publicada, porque as próprias declarações de Musk este mês desconsideraram explicitamente as pontuações de benchmark como medida de qualidade, o que significa que o próprio material do fornecedor sobre o 4.8 provavelmente não chegará como uma tabela de números.

Até que essas informações existam, a estimativa honesta é que o Grok 4.8 fica em algum lugar entre o Grok 4.7 e o Opus 5.5, e que ninguém fora da SpaceXSI sabe onde. Qualquer página que hoje forneça uma janela de contexto, preço ou pontuação do Grok 4.8 inventou esses dados.

Escolhendo hoje

O Grok 4.8 não está na decisão. O Claude Opus 5.5 está, ao lado do Grok 4.7 e dos modelos que realmente competem pela mesma vaga.

Se o seu trabalho é execução agêntica de horizonte longo — agentes de programação, automação de terminal, pesquisa em várias etapas —, o Claude Opus 5.5 vence em todos os benchmarks de execução por uma margem que nenhuma quantidade de prompt engineering consegue fechar, e custa cerca de 29% mais por tarefa do que o Grok 4.7 para fazer isso. É uma troca justa e uma decisão fácil.

Se o seu trabalho envolve amplitude profissional — análise, redação, tarefas de valor econômico —, os dois são próximos o suficiente para que a economia de 23% possa justificar o Grok 4.7, desde que você consiga conviver com uma janela de contexto de 500K em vez de 1M e com o recall menor implicado por um composto Omniscience de 31 contra 48.

Se você constrói sobre o Grok e quer se proteger contra exatamente esse tipo de deslize, o padrão prático é manter a escolha do modelo fora do seu código. Ambos são acessíveis através de uma única chave OrcaRouter — anthropic/claude-opus-5.5 e grok/grok-4.7 — com 0% de margem sobre o preço de tabela do fornecedor, de modo que a linha do Grok 4.7 é a tarifa do próprio vendedor e uma mudança de preço da SpaceXSI no 4.8 entra em vigor no dia em que é anunciada, e não no dia em que você percebe. Defina a regra de roteamento para preferir o modelo que sua avaliação diz ser mais forte e deixe o failover automático lidar com um fornecedor que para de responder no meio da execução. Quando o Grok 4.8 aparecer, adicioná-lo é uma entrada de roteamento, não uma migração.

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.

O resultado final, tal como é

Musk disse que o Grok 4.8 não é tão bom quanto o Claude Opus 5.5 e, em seguida, disse que o Grok 5 pode ser, em dois ou três meses. Tomando isso ao pé da letra, trata-se de uma janela de dois trimestres na qual o modelo de fronteira para execução agêntica é o que foi lançado em setembro. Planeje com base nisso e trate qualquer anúncio do Grok 4.8 como motivo para refazer sua avaliação, e não como motivo para reescrever sua integração.

Comparados neste artigo1

Detectado a partir deste artigo · Benchmarks: Artificial Analysis · atualizado diariamente