
Claude Opus 5.5 vs Grok 4.8: En modell du kan anropa, ett löfte du inte kan
- OrcaNYOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 per 1M tokens · 184 tok/s
- tencentNYTencent: Hy4 Flash2026-11-16$0.02 / $0.07 per 1M tokens · 223 tok/s
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 87 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 96 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M tokens · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 per 1M tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligens
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M tokens · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
Vd:n för företaget som bygger Grok 4.8 fick frågan direkt om hur den står sig mot Claude Opus 5.5. Hans svar på X den 10 november 2026 är det mest användbara som någon har publicerat om den här drabbningen: "Inte lika bra. Opus 5.5 är ett mästerverk. Men Grok 5 borde överträffa Opus 5.5, och det kanske händer om 2 eller 3 månader, med fortsatt acceleration därefter." Det är Elon Musk som medger jämförelsen, och det är också, tolv dagar senare, hela det offentliga underlaget om Grok 4.8:s kapacitet.
Eftersom Grok 4.8 inte är en modell som går att anropa. SpaceXSI:s egen utvecklardokumentation – modellistan, prissättningssidan och versionsanteckningarna, alla lästa den 19 november 2026 – har grok-4.7 som sin nyaste post och inte har någon grok-4.8rad alls: ingen identifierare, ingen prislista, inget kontextfönster, ingen publicerad utvärdering. Artificial Analysis har ingen sida för den; förfrågan returnerar 404. Claude Opus 5.5 har däremot varit allmänt tillgänglig sedan den 22 september 2026 med ett modell-ID, en prislista och åtta veckor av oberoende mätning.

Så den användbara versionen av den här sidan är inte en jämförelse av två datablad. Det är en jämförelse av en levererad modell mot en angiven tidsplan, plus det enda som Musks medgivande faktiskt avgör: vad man ska köra idag.
Eftergiften är värd mer än den ser ut att vara.
Leverantörer medger inte att de förlorar mark i benchmarkar för sin egen ännu ej släppta modell, och förbehållet som följde med den – Grok 5 kommer att överträffa Opus 5.5 inom två eller tre månader – är ett påstående om en annan modell än den i artikelns rubrik. Inget av påståendena åtföljs av en benchmark, ett testnamn eller ett datum. Om man läser det som en tidsplan snarare än en specifikation säger det en utvecklare två saker: Grok 4.8 blir inte modellen som stänger gapet, och företagets egen förväntan är att gapet förblir öppet under hela första kvartalet 2027.
Det är ett betydelsefullt erkännande för alla som för närvarande bygger på Grok 4.7 och undrar om de bör vänta. Svaret från leverantörens egen huvudansvarige är att väntan är en satsning på Grok 5, inte på Grok 4.8.
Varför Grok 4.8 har halkat efter
Musks inlägg den 10 november gav en mer specifik redogörelse än någon versionsnotis. Förträningen av Grok 4.8 är klar. Teamet arbetar med förstärkningsinlärning och var tvungna att göra om data som används för övervakad finjustering. En angiven orsak till förseningen är en ombyggnad av infrastrukturen: SpaceXSI lämnade JAX och SGLang för sitt eget RL-system och sin egen inferensstack. Att bygga om tränings- och serveringssubstratet mitt under en modells RL-fas är den typ av beslut som syns i ett tidsschema och inte i en ändringslogg, och det är den mest troliga förklaringen som erbjuds för en modell som har varit "nära förestående" sedan september.
Jämförelsen man bör göra är inte med lanseringen av Claude Opus 5.5, som var odramatisk och höll tidsplanen, utan med vad den odramatiska gången gav: åtta veckor av stabila identifierare, publicerade priser och resultat från tredje part medan den konkurrerande modellen genomgick en omskrivning av sin stack. Stabilitet är en funktion, och det är den som Grok 4.8 inte har lyckats leverera.
Vad du faktiskt kan köra: Grok 4.7 mot Opus 5.5
Grok 4.7 är modellen som SpaceXSI säljer till dig medan 4.8 färdigställs. Den lanserades den 21 september 2026 – en dag före Opus 5.5 – med ett kontextfönster på 500 000 token och ett listpris på $2.00 per miljon indata och $6.00 per miljon utdata. Båda modellerna tillhör därför samma generation utifrån releasedatum, vilket gör de oberoende siffrorna till den rättvisaste bedömning som finns av vad Grok 4.8 måste överträffa och hur långt en Grok-lansering är från fronten.
• Intelligence Index — Claude Opus 5.5 på 59,1 mot Grok 4.7 på 35,5, en skillnad på 23,6 punkter.
• Kostnad per Index-uppgift – 10,04 $ jämfört med 7,77 $, så Grok 4.7 är bara 23 % billigare per slutförd uppgift trots en 70 % billigare prislapp.
• Terminal-Bench 4.0 — 59,6 % mot 25,8 %. Opus 5.5 mer än fördubblar Grok 4.7 inom agentiskt terminalarbete.
• Terminal-Bench-Science 0.1 — 59,0 % mot 11,4 %.
• FrontierCode-AA 2.0 – 46,4 % mot 28,7 %.
• HLE-Diamond — 67,9 % mot 23,2 %.
• GDPval-AA v2.1 — 1866 Elo mot 1717, det minsta gapet här på 149 poäng.
• AnalystAgent — 56,3 % mot 52,5 %, den jämnaste benchmarken i uppsättningen.
• AA-Omniscience — 48,1 vid 50,3 % hallucineringsfrekvens jämfört med 31,2 vid 20,0 %.
• Kontext och hastighet – 1M tokens vid 117 tok/s jämfört med 500K tokens vid 71 tok/s.

Fördelningen är det intressanta. Grok 4.7 är inte 24 poäng sämre överallt: på GDPval, resultattavlan för ekonomiskt värde, ligger den inom 8 %, och på AnalystAgent inom 4. Det är de riktmärken som belönar bredd i professionell produktion snarare än djup i utförandet. Där uppgifterna kräver att man utför en lång sekvens korrekt – terminalarbete, vetenskapligt terminalarbete, agentisk kodning – är gapet det största på tavlan. Ett sammansatt mått på 23,6 poäng är egentligen en beskrivning av en specifik svaghet som förstärks genom en svit.
Kostnaden per uppgift är siffran som fäller Groks prissättning.
En prislapp på $2/$6 mot $4/$20 ser ut som en 2,5× fördel på utpriset. Artificial Analysis uppmätte $7,77 mot $10,04 per uppgift — 23 %. Anledningen är att Grok 4.7 genererade 148M utdatatokens i Index-sviten mot Opus 5.5:s 218M, bara en 1,5× fördel, och den producerar dem med 71 tok/s mot 117.
Lägger man ihop det är Grok 4.7 både mer ordrik i förhållande till sitt pris och långsammare i verklig tid, med 24,4 minuter per Index-uppgift mot 24,6. Nästan identisk latens för 24 indexpoäng mindre kapacitet och en besparing på 23 % — det är inte ett värdeerbjudande, det är en rabatt på en sämre produkt. Alla som valde Grok 4.7 utifrån dess prislista har fått betala för nöjet.
Claude Opus 5.5 är inte heller billig: 10,04 dollar per uppgift placerar den i den dyra änden av listan, och dess uppgiftstid på 24,6 minuter är verkligen långsam. Men den köper åtminstone något för pengarna. Den korrekta jämförelsen för kostnadseffektivitet på den här listan är inte dessa två — det är GPT-6.2 Sol till 1,01 dollar per uppgift för ett index på 57,3, vilket är den konfiguration som får båda att framstå som dåligt prissatta.
Vad skulle behöva vara sant för att Grok 4.8 skulle ändra på detta?
Det här är delen som är värd att läsa om du planerar en migrering snarare än ett köp. En modell som kommer ut ur RL med omarbetad övervakad finjustering kan förändras mycket i båda riktningarna, och de specifika benchmarkar som Grok 4.7 misslyckas med är de som RL på verifierbara uppgifter tenderar att åtgärda först. Terminalarbete, agentisk kodning och vetenskaplig exekvering har alla maskinkontrollerbara belöningar, vilket är precis vad en RL-fas optimerar. Om Grok 4.8 redovisar en stor Terminal-Bench-förbättring jämfört med 4.7:s 25,8 %, är det signalen att RL-körningen fungerade.
Tre saker skulle behöva dyka upp innan något av detta blev genomförbart. En grok-4.8identifierare i SpaceXSI:s dokumentation. En prislista – och observera att en ny inferensstack är en trolig anledning till en prisändring i endera riktningen. Och en publicerad utvärdering, eftersom Musks egna uttalanden den här månaden uttryckligen avfärdade benchmarkresultat som ett mått på kvalitet, vilket innebär att leverantörens eget material om 4.8 sannolikt inte kommer att dyka upp som en tabell med siffror.
Fram till dess att de finns är den ärliga uppskattningen att Grok 4.8 hamnar någonstans mellan Grok 4.7 och Opus 5.5, och att ingen utanför SpaceXSI vet var. Varje sida som i dag anger ett kontextfönster, ett pris eller en poäng för Grok 4.8 har hittat på det.
Att välja idag
Grok 4.8 ingår inte i beslutet. Det gör Claude Opus 5.5, tillsammans med Grok 4.7 och de modeller som faktiskt konkurrerar om samma plats.
Om ditt arbete är långsiktig agentisk exekvering – kodningsagenter, terminalautomatisering, forskning i flera steg – vinner Claude Opus 5.5 på varje exekveringsbenchmark med en marginal som ingen mängd prompt engineering kan täppa till, och det kostar cirka 29 % mer per uppgift än Grok 4.7 att göra det. Det är en rimlig avvägning och ett enkelt beslut.
Om ditt arbete handlar om professionell bredd – analys, utkastarbete, uppgifter med ekonomiskt värde – ligger de två tillräckligt nära varandra för att besparingen på 23 % skulle kunna motivera Grok 4.7, förutsatt att du kan leva med ett kontextfönster på 500K i stället för 1M och med den lägre återkallning som ett Omniscience-sammansatt värde på 31 mot 48 antyder.
Om du bygger på Grok och vill skydda dig mot exakt den här typen av misstag är det praktiska mönstret att hålla modellvalet utanför din kod. Båda nås via en enda OrcaRouter-nyckel — anthropic/claude-opus-5.5 och grok/grok-4.7 — till 0 % påslag på leverantörens listpris, så Grok 4.7-raden är leverantörens egen taxa och en SpaceXSI-prisändring på 4.8 slår igenom samma dag som den meddelas i stället för den dag du upptäcker den. Ställ in routningsregeln så att den föredrar den modell som din utvärdering säger är starkare och låt automatisk failover hantera en leverantör som slutar svara mitt i körningen. När Grok 4.8 väl dyker upp är det att lägga till den en routningspost, inte en migrering.

Slutsatsen, sådan den nu är
Musk sade att Grok 4.8 inte är lika bra som Claude Opus 5.5, och sade sedan att Grok 5 kanske är det, om två eller tre månader. Om man tar det bokstavligt är det ett fönster på två kvartal där frontmodellen för agentisk exekvering är den som lanserades i september. Planera för det, och behandla varje tillkännagivande om Grok 4.8 som en anledning att göra om din utvärdering snarare än en anledning att skriva om din integration.
Jämförda i den här artikeln1
Identifierat från den här artikeln · Benchmarks: Artificial Analysis · uppdateras dagligen
