Grok 4.5 gasta 4,2x menos tokens que Opus 4.8 no SWE-Bench Pro: SpaceXAI aposta na eficiência para vencer no custo por tarefa

Resumo: A SpaceXAI lançou em 8 de julho o Grok 4.5, seu primeiro modelo desenhado explicitamente para código e tarefas de agente. O ponto principal não é a inteligência bruta — o modelo fica em quarto no Artificial Analysis Intelligence Index (54 pontos) — mas o custo. Em SWE-Bench Pro, o Grok 4.5 conclui tarefas usando em média 15.954 tokens de saída contra 67.020 do Opus 4.8, uma diferença de 4,2x. Preço: US$ 2 por milhão na entrada, US$ 6 na saída. Para agentes com muitas iterações, muda a matemática do custo por tarefa.

O que a SpaceXAI está tentando fazer

Elon Musk descreveu o Grok 4.5 como um “modelo classe-Opus”, sinalizando que a SpaceXAI decidiu deixar de perseguir a fronteira absoluta em benchmarks acadêmicos e apostar na aplicação prática mais valiosa hoje: agentes que escrevem código e usam ferramentas. A publicação oficial mostra que o modelo vence o Opus 4.8 da Anthropic em duas das quatro provas escolhidas (DeepSWE 1.0 e Terminal-Bench 2.1) e perde nas outras duas (DeepSWE 1.1 por 6 pontos e SWE-Bench Pro por 4,5 pontos). Empatar tecnicamente com o topo do mercado é notícia; ficar barato o suficiente para mudar a economia do agente é a notícia dupla.

Por que a eficiência de token importa mais do que o benchmark

Em cenários agentes reais, o custo total de uma tarefa é uma função de dois números: preço por token e quantidade de tokens que o modelo consome para chegar à resposta. Um modelo que resolve o problema com 15 mil tokens pode ser mais barato na prática do que um modelo com preço por token menor mas que precisa de 60 mil tokens para chegar lá. É o que a SpaceXAI está anunciando ao publicar o número de tokens médios por resolução em SWE-Bench Pro. Combinado com o preço de US$ 6 por milhão na saída — o mais competitivo entre os modelos com performance de fronteira em código — o Grok 4.5 se posiciona como escolha racional para cargas agentes em grande volume.

Vale um contrapeso: o número foi publicado pela própria SpaceXAI e ainda precisa de replicação por avaliações independentes. Benchmarks internos historicamente super-estimam performance por conta de tuning específico para o teste. As primeiras avaliações independentes publicadas nas 48 horas seguintes ao lançamento confirmam a direção — Grok 4.5 é sim mais econômico em tokens do que os concorrentes — mas o fator exato varia com o tipo de tarefa (issues de bug reais são diferentes de issues sintéticas).

O elefante na sala: viés político

O primeiro dia do Grok 4.5 no mundo também trouxe de volta o debate sobre viés político nos modelos da SpaceXAI. Pesquisas recentes mostram que o Grok responde 100% das perguntas políticas (taxa de recusa de 0%, contra 15–30% dos concorrentes) e apresenta inclinações fortes em direções específicas: -0,48 em liberdades civis e -0,48 em regulação de fala e tecnologia, ambos em polos que os autores classificam como “expansivos/permissivos”. A discussão pública gira em torno de quanto disso é influência editorial deliberada da liderança da SpaceXAI e quanto é característica emergente do corpus e do RLHF.

Para uma empresa que quer usar o Grok em produção, o que importa não é o debate político em si, mas o efeito prático: o modelo pode gerar saídas com viés detectável em casos sensíveis, o que exige camadas extras de curadoria e revisão. Aplicações regulatoriamente sensíveis — RH, avaliação de crédito, moderação de conteúdo — precisam avaliar cuidadosamente antes de usar.

Por que importa — e status no Brasil

Para startups e times de engenharia brasileiros, o Grok 4.5 mira exatamente o ponto mais doloroso de 2026: a conta do agente. Pilotos de agente-de-código, refatoração automatizada e assistência de manutenção viram inviáveis se cada tarefa custa entre US$ 0,50 e US$ 2 em tokens; virou muito comum ver iniciativas serem interrompidas por conta do custo em produção. Se o Grok 4.5 entregar mesmo 4x menos gasto de tokens que os concorrentes em cargas reais, projetos que foram paralisados podem voltar à mesa.

O outro lado é a integração. A SpaceXAI ainda não tem, no Brasil, a rede de parceiros comerciais que Anthropic, OpenAI e Google construíram nos últimos anos. Compras corporativas passam por revenda internacional, o que agrega fricção. E o histórico de mudanças abruptas de política de produto por parte da liderança da SpaceXAI é um risco explícito para quem escreve dependência em contrato de longo prazo.

Riscos e limitações

Três pontos merecem atenção antes de adotar em produção. Primeiro, replicação dos números: os benchmarks vêm da própria SpaceXAI; espere avaliações independentes para confirmar a magnitude do ganho de token em suas cargas. Segundo, viés detectável: use em produção com camadas de revisão em casos sensíveis, e evite decisões que afetem direitos individuais sem revisão humana. Terceiro, governança de dados: a SpaceXAI ainda não é signatária dos frameworks que dão conforto a compradores enterprise europeus e brasileiros; peça cláusulas contratuais explícitas de LGPD para uso corporativo.

Análise SWOT — Grok 4.5 como opção enterprise

Cenário e conclusão prática

O que o Grok 4.5 faz é forçar a conversa a mudar de eixo. Por 18 meses, benchmarks de inteligência dominaram a decisão de compra. Com o Grok 4.5, e reforçado pelo Muse Spark 1.1 no mesmo mês, a conversa migra para custo total por tarefa concluída. Times que ainda decidem com base em nota de benchmark vão pagar mais caro por menos entrega. Times que instrumentam telemetria por tarefa vão ganhar espaço.

Para colocar em prática nas próximas semanas, dois movimentos: (1) rodar o mesmo conjunto de tarefas de agente em Grok 4.5, Opus 4.8, GPT-5.6 Sol e Muse Spark 1.1, e medir tokens gastos e taxa de conclusão; (2) construir um roteador simples que direcione tipos de tarefa para o modelo mais eficiente em cada caso. Um roteamento bem afinado pode cortar 30% a 50% do custo total de operações agentes sem sacrificar qualidade percebida.

Fonte: anúncio oficial da SpaceXAI. Leia mais em SpaceXAI — Introducing Grok 4.5.