Grok 4.5 : test approfondi
Le modèle de code SpaceXAI — niveau Opus à un quart du prix ?

Pièges fréquents avant de choisir :

• Se fier au seul classement benchmark : l'écart entre harness officiel et harness neutre peut atteindre 17 points.
• Comparer uniquement le prix API : avec 4,2× plus de tokens en sortie, un tarif bas ne garantit pas un coût par tâche bas.
• Ignorer la controverse sur les données d'entraînement : CursorBench a été retiré pour contamination — les affirmations liées à Cursor exigent des retests indépendants.
• Négliger le taux d'hallucination : AA-Omniscience Index : 54 % pour Grok 4.5 — la production exige une couche de validation.

Grok 4.5 est le modèle le plus puissant de SpaceXAI à ce jour, optimisé pour :

• Programmation et agents de code : corrections, refactors massifs, applications de bout en bout
• Workflows agentiques : automatisation multi-étapes à travers outils et applications
• Travail à forte densité de connaissances : juridique, santé, éducation, analyse de données

Le modèle n'a pas été développé en vase clos : il a été co-entraîné avec Cursor, avec des milliers de milliards de tokens d'interactions réelles (revues de code, débogage, dialogues agent-dépôt). SpaceX a acquis Anysphere en juin 2026 ; ce co-entraînement en est l'une des premières manifestations. Contexte : analyse de l'acquisition de Cursor par SpaceX.

Le prix constitue l'argument central. Comparons d'abord les tarifs API, puis le coût par tâche une fois l'efficacité token intégrée.

Sur SWE-Bench Pro, Grok 4.5 consomme en moyenne 15 954 tokens de sortie par exécution, Claude Opus 4.8 67 020 — écart de 4,2×. À 500 tâches/jour : Grok ~1 245 $/jour vs Claude Code ~5 900 $/jour. L'avantage s'amplifie exponentiellement en haute fréquence.

SpaceXAI a publié quatre évaluations de programmation. Nous consolidons données officielles et tests tiers, avec le retrait de CursorBench.

Points de lecture :

• DeepSWE 1.0 : Grok 4.5 troisième — écart modeste.
• DeepSWE 1.1 : quatrième ; Fable 5 mène de 17 points — comparaison la plus honnête.
• Terminal Bench 2.1 : les quatre modèles de tête à moins de 5,4 points — quasi-parité.
• SWE-Bench Pro : test le plus exigeant ; Grok 4.5 ~16 points derrière Fable 5.

Retrait de CursorBench : au lancement, le benchmark propriétaire Cursor a été temporairement retiré — des instantanés du dépôt Cursor auraient contaminé les données d'entraînement. Les chiffres associés attendent des retests indépendants.

AutomationBench-AA couvre 40 applications métier simulées (Gmail, Slack, Salesforce, HubSpot). Grok 4.5 est le premier modèle à dépasser la moitié des objectifs de workflow sans violer les contraintes métier. Snorkel : juridique (40 % vs 27–28 %), éducation (58 % vs 35–42 %), santé (35 % vs 23–25 %).

Indice Artificial Analysis : Grok 4.5 54 points (4e rang) — derrière Fable 5 (60), Opus 4.8 (56), GPT-5.5 (55), mais +16 vs la génération Grok précédente.

TryAI a demandé à Grok 4.5, GPT-5.5, Claude Opus 4.8 et Claude Fable 5 de construire la même application interactive à partir de prompts identiques.

Vitesse et coût : premier token <0,5 s, débit ~110 tokens/s (~2× la concurrence). GPT-5.5 le plus rapide sur réponses courtes ; Fable 5 le plus lent et le plus cher. Grok 4.5 domine les tâches répétitives à haute fréquence ; Claude reste plus fiable pour la gestion d'état complexe en un seul passage.

Plateformes disponibles (UE prévue mi-juillet) :

• Grok Build : plateforme agent de code SpaceXAI, Grok 4.5 par défaut
• Cursor : tous les abonnements (desktop, Web, iOS, CLI, SDK) ; quota doublé la première semaine
• API SpaceXAI Console : Chat Completions et Responses API
• Plugins Office : modèle par défaut Word, PowerPoint, Excel
• Passerelles tierces : OpenRouter, Vercel, Cloudflare, Snowflake, Databricks Mosaic

Régions API : us-east-1, us-west-2. Limites : 150 req/s, 50M tokens/min.

curl -s https://api.x.ai/v1/responses \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-4.5",
    "input": "Trouve le bug et corrige : function median(a){a.sort();return a[a.length/2]}"
  }'

Six étapes de déploiement :

1. Créer un compte SpaceXAI Console : sur console.x.ai, générer une clé API et vérifier la région de facturation us-east-1 ou us-west-2.
2. Basculer le modèle dans Cursor : Cursor → sélection de modèle → Grok 4.5 ; quota doublé la première semaine pour stress-tester les workflows réels.
3. Configurer la clé de cache : prompt_cache_key dans Responses API ou header x-grok-conv-id en Chat Completions — entrée à 0,50 $/M en cas de cache hit.
4. Activer Context Compaction sur les boucles agent longues : réduire l'accumulation de tokens et maîtriser le coût global.
5. Routage hybride : sous-tâches courantes sur Grok 4.5, décisions d'architecture difficiles sur Claude Fable 5 — fallback dans Cursor ou LiteLLM.
6. Valider les sorties en production : portes CI et revue humaine pour les tâches de précision type SWE-Bench Pro et les scénarios sensibles aux hallucinations.

Données citables (EEAT) :

• Efficacité token : SWE-Bench Pro sortie : Grok 4.5 15 954 vs Opus 4.8 67 020 — facteur 4,2 (SpaceXAI, 08/07/2026).
• Vitesse d'inférence : premier token <500 ms, ~110 tokens/s, ~2× concurrence (TryAI).
• Indice global : Artificial Analysis 54, +16 vs génération précédente, 4e rang (juillet 2026).

FAQ :

• Q : Grok 4.5 est-il meilleur que Claude Opus 4.8 ? R : Selon la métrique. Opus 4.8 mène sur SWE-Bench Pro (69,2 % vs 64,7 %). Grok 4.5 mène souvent en vitesse, efficacité token et coût (jusqu'à 4×). Sur les taux de complétion de workflows agents, légèrement devant Opus 4.8 dans des benchmarks indépendants.
• Q : Grok 4.5 est-il gratuit ? R : Quotas gratuits temporaires sur Grok Build et Cursor ; API officielle 2 $/M entrée, 6 $/M sortie. Inclus dans le pool de modèles Cursor.
• Q : Comment utiliser Grok 4.5 dans Cursor ? R : Tous les plans Cursor ; sélecteur de modèle → Grok 4.5. Quota doublé la première semaine.
• Q : Quelle taille de contexte ? R : 500 000 tokens — suffisant pour la plupart des dépôts volumineux.
• Q : Pourquoi CursorBench a-t-il été retiré ? R : Instantanés Cursor dans les données d'entraînement — contamination ; SpaceXAI a retiré les résultats.
• Q : Via OpenRouter ? R : Oui — aussi Vercel AI Gateway, Cloudflare, Snowflake, Databricks Mosaic.

Conclusion : Grok 4.5 n'est pas le modèle de code le plus puissant, mais l'agent de programmation classe Opus au meilleur rapport qualité-prix — souvent 70 à 80 % moins cher pour une qualité proche d'Opus 4.8 dans les workflows agents courants. Code financier et systèmes safety-critical : Claude Fable 5 reste recommandé.

Sources principales — revérifier les liens après mise à jour en amont :

https://x.ai/news/grok-4-5

https://cursor.com/blog/grok-4-5

https://docs.x.ai/developers/models/grok-4.5

https://techcrunch.com/2026/07/08/spacexai-releases-grok-4-5-which-elon-describes-as-an-opus-class-model/

https://snorkel.ai/blog/grok-4-5-testing-results-how-spacexais-new-model-performs-on-real-professional-work/

Faire tourner Grok 4.5 sur un MacBook personnel impose trois contraintes : veille qui coupe les boucles agent longues, dépôts parallèles qui se disputent CPU/RAM, audit difficile à unifier en équipe. Pour Cursor Agent, Codex CI ou OpenClaw Gateway en 24/7, la location Mac Mini bare metal CALMVPS est en général plus adaptée : Apple Silicon dédié, accélération Metal native, facturation mensuelle flexible, provisioning ~120 s — déporter les agents lourds vers le cloud, garder la validation des plans en local. Page tarifs.