A modellversenyben most nem csak az számít, ki a „legokosabb”, hanem az is, mennyibe kerül használni. A Grok 4.5 pont erre a pontra próbál ráütni: ígérete szerint csúcsközeli képesség, de olcsóbban és gyorsabban.

Mi történt

A SpaceXAI kiadta a Grok 4.5-öt, ami az első modellfrissítés azóta, hogy a vállalat néhány hete tőzsdére ment. A cég „munkalóként” írja le: olyan tipikus automatizálható feladatokra szánják, mint a kódolás és appfejlesztés, irodai/ügyviteli munka, kutatás, írás és általában a rutin „tudásmunka”.

A vállalat azt állítja, hogy a Grok 4.5 „kétszeres tokenhatékonyságot” hoz más vezető modellekhez képest. A token itt a szöveg feldarabolt egysége (gondolj rá úgy, mint a számlázás alapjául szolgáló „karaktermennyiség” egy okosabb verziójára): minél kevesebb tokenből old meg egy feladatot a modell, annál olcsóbb és gyakran annál gyorsabb is a futtatás.

Árazásban a SpaceXAI konkrét számokat is megadott: 2 dollár / 1 millió input token és 6 dollár / 1 millió output token. Összevetésként az Anthropic Opus 4.7 ára 5 dollár / 1 millió input token és 25 dollár / 1 millió output token. Az OpenAI-nál a skála széles: a drágább Sol 5/30 dollár (input/output), a kedvezőbb Luna 1/6 dollár.

Miért fontos

A legtöbb vállalati felhasználónak nem az a kérdés, hogy egy modell 1-2 ponttal jobb-e egy benchmarkon, hanem hogy mennyibe kerül napi szinten beépíteni a folyamatokba. A tokenköltség az AI „üzemanyagára” hasonlít: ha ugyanazt a munkát kevesebből megoldod, akkor skálázásnál (ügyfélszolgálati asszisztens, dokumentumfeldolgozás, kódsegéd, belső tudásbázis-keresés) a különbség nagyon gyorsan összeadódik. A SpaceXAI által közölt benchmarkok alapján a Grok 4.5 versenyképesnek tűnik a top modellekkel, még ha nem is „best-in-class” mindenben — és itt jön képbe a költség/haszon arány.

Mire figyelj

  1. Valós tokenhatékonyság: a „kétszeres” hatékonyság jól hangzik, de a gyakorlatban az számít, hogy tipikus feladatoknál mennyi promptolást, újrafuttatást és javítást igényel. A rejtett költség sokszor nem a listaár, hanem a próbálkozások száma.
  2. Sebesség és késleltetés: ha a modell gyorsabb, az nem csak kényelmi faktor. Interaktív termékeknél (chat, kódolás közbeni javaslatok) a válaszidő közvetlenül befolyásolja a használhatóságot.
  3. Összehasonlíthatóság a „csúcskategóriával”: Elon Musk az X-en Opus-szintűként pozicionálta a Grok 4.5-öt, sőt belső értékelésről is beszélt. Érdemes figyelni, hogy a független tesztek és a fejlesztői visszajelzések mennyire támasztják alá ezt, különösen komplex, több lépéses feladatoknál.
  4. A hét másik nagy dobása: az OpenAI a GPT 5.6 megjelenését is erre a hétre időzíti. Ha egyszerre több erős modell jön ki, az gyors ár- és képességversenyt indíthat be — ami végül a felhasználóknak kedvez, de rövid távon nehezíti a „melyiket válasszam?” döntést.

Ha a Grok 4.5 tényleg hozza a kommunikált képesség–sebesség–ár hármast, akkor nem feltétlenül a legjobb modellként, hanem a legjobban árazott „munkagépként” lehet belőle komoly piaci tényező.