xAI presentó Grok 4.5, su nuevo modelo de inteligencia artificial orientado a programación, tareas agente y trabajo de conocimiento. Según la compañía, se trata de su modelo “más inteligente” hasta ahora y fue entrenado junto con Cursor, una de las plataformas de programación asistida por IA más usadas por desarrolladores.
La empresa afirma que Grok 4.5 fue entrenado con conjuntos de datos enfocados en programación, ciencia, ingeniería y matemáticas. También asegura que el modelo fue optimizado para razonamiento eficiente y tareas reales de ingeniería de software, con énfasis en programación multi-paso y flujos agente.
En los resultados publicados por xAI, Grok 4.5 aparece competitivo frente a otros modelos líderes en evaluaciones de programación como DeepSWE 1.0, DeepSWE 1.1, Terminal Bench 2.1 y SWE Bench Pro. La propia compañía aclara que las cifras de competidores provienen de system cards o leaderboards publicados por sus desarrolladores.
Uno de los puntos que xAI destacó fue la eficiencia. De acuerdo con la publicación, Grok 4.5 opera a una velocidad de 80 tokens por segundo y resuelve tareas de SWE Bench Pro con un promedio de 15,954 tokens de salida, frente a los 67,020 tokens reportados para Opus 4.8 en modo máximo, lo que xAI presenta como una reducción de 4.2 veces en tokens generados.
Además de programación, xAI posiciona a Grok 4.5 como un modelo para trabajo de oficina. La compañía afirma que puede construir modelos complejos en Excel, generar presentaciones en PowerPoint con formas nativas, diseñar diagramas y redactar documentos en Word. Grok 4.5 también será el modelo predeterminado en Grok Build.
El modelo ya está disponible en Grok Build, en Cursor y mediante la consola de API de xAI. La compañía informó que su precio será de 2 dólares por millón de tokens de entrada y 6 dólares por millón de tokens de salida. Sin embargo, aclaró que Grok 4.5 aún no está disponible en la Unión Europea y que su llegada a esa región está prevista para mediados de julio.
El lanzamiento llega en una semana marcada por cuestionamientos sobre cómo se mide el avance de la IA. OpenAI acaba de advertir que una parte relevante de SWE-Bench Pro, uno de los benchmarks usados para evaluar modelos programadores, contiene tareas defectuosas. En ese contexto, los resultados publicados por xAI deben leerse como parte de una carrera por demostrar capacidades en programación agente, pero también dentro de una discusión más amplia sobre la confiabilidad de las evaluaciones que usa la industria.
