Grok 4.5 vs Opus 4.8, ¿cuál sale más barato por tarea resuelta?

Theo, uno de los youtubers de referencia para muchos desarrolladores, tituló su vídeo sobre el lanzamiento con dos palabras: “Oh no”.

El subtítulo lo remataba: “the new Grok model is good”.

Cuando alguien que no es precisamente fan de Elon Musk empieza un análisis lamentándose de que el modelo funciona bien, algo está pasando. Grok 4.5 salió ayer y en cuestión de horas ha revuelto los foros, los hilos de X y media docena de blogs de desarrollo que ya lo han puesto a prueba.

Vamos a mirarlo con calma y sin humo. Ni es el fin de Claude ni es un juguete de fanboys. Es un modelo con una propuesta muy concreta y un par de asteriscos que conviene conocer antes de meterlo en tu flujo de trabajo.

Esto es lo que vas a encontrar en este análisis:

• Qué hay debajo del capó: arquitectura, tamaño y ese detalle de que se ha entrenado con datos de Cursor.
• Los benchmarks reales, los oficiales y los independientes, sin quedarnos solo con el titular.
• La cuenta del coste por tarea, con números y una calculadora que puedes ejecutar en dos minutos.
• Qué cuentan los desarrolladores que ya lo han tocado, para bien y para mal.
• Dónde flojea y cuándo tiene sentido tenerlo en el radar.

¿Qué es exactamente Grok 4.5? ¶

Grok 4.5 es el modelo insignia de xAI (ahora bajo el paraguas de SpaceXAI, tras la fusión con SpaceX) orientado a programación, tareas agénticas y trabajo de conocimiento. Esa es la frase que repite el propio model card oficial, y no es casualidad: el modelo se ha diseñado con el desarrollo de software como caso de uso central, no como un extra.

Por debajo hay una arquitectura mixture-of-experts (MoE) que varios análisis sitúan alrededor de los 1,5 billones de parámetros (1.5T en la nomenclatura anglosajona). El entrenamiento se hizo sobre decenas de miles de GPUs NVIDIA GB300, con un proceso de curación de datos que incluyó deduplicación, puntuación de calidad y selección enfocada por dominios.

Hasta aquí, lo esperable en un modelo frontera de 2026. Si quieres ver dónde encaja este lanzamiento dentro del tablero completo, en la comparativa de los mejores modelos de IA para programar tienes al resto de la liga con benchmarks y precios.

Lo interesante viene ahora.

Además del terreno técnico, el model card presume de capacidades de “trabajo de oficina”: generación de documentos Word, PowerPoint y Excel con investigación web integrada. Y una nota curiosa: es el número 1 en el Harvey’s Legal Agent Benchmark, el test de referencia para tareas legales. Un modelo de programadores que también quiere colarse en el despacho de al lado.

Un apunte de vocabulario antes de seguir, porque se mezcla mucho. El modelo es el cerebro. El harness es el andamiaje que lo envuelve, gestiona el contexto y ejecuta herramientas. Grok 4.5 viene con su propio harness, Grok Build, y ese detalle explica varios de los números que vas a ver más abajo. Si esa distinción te suena borrosa, la desmenucé al comparar Claude Code frente a OpenCode.

¿Con qué datos se ha entrenado Grok 4.5? ¶

Con billones de tokens procedentes de Cursor, el editor. Ese es el titular y conviene entender qué significa.

Según el blog de Cursor, Grok 4.5 se ha entrenado de forma conjunta con datos que capturan interacciones reales de personas programando: cómo investigan un problema, cómo usan las herramientas, cómo se recuperan de un error y cómo verifican el resultado.

🔑 No es un modelo entrenado con código estático de GitHub y ya está. Es un modelo entrenado observando el proceso de programar dentro de un editor real. Esa diferencia es la que explica buena parte de su comportamiento agéntico.

Para lograrlo, el equipo montó un sistema de agentes distribuido que construía entornos de trabajo a escala mediante aprendizaje por refuerzo. Cientos de miles de tareas centradas en ingeniería de software de varios pasos. La idea de fondo: que el modelo no solo escriba código correcto, sino que sepa moverse por un proyecto como lo haría un desarrollador con oficio.

Piénsalo con una analogía de conducción. Puedes aprender a conducir memorizando el código de circulación o puedes aprender sentado de copiloto durante mil viajes. El primero sabe las normas. El segundo sabe qué hacer cuando el camión de delante frena en seco. Grok 4.5 se ha entrenado en el asiento del copiloto.

Curso gratis · paso a paso

Dale a tu agente el método que a Grok le costó billones de tokens

Grok aprendió el proceso de programar observando a devs reales. Tú se lo puedes dar a tu agente con Spec Driven Development: recorre el ciclo completo con OpenSpec sobre un proyecto real y en modo asistido, gratis.

Entra en el curso gratis →

¿Qué dicen los benchmarks de Grok 4.5? ¶

Grok 4.5 queda en cuarta posición entre los modelos frontera según el análisis independiente de Artificial Analysis, con un 54 en su Intelligence Index, por detrás de Fable 5, GPT-5.5 y Opus 4.8. Ese es el dato que hay que tener en la cabeza antes de leer cualquier otro número.

Cuarto. No primero. Conviene tenerlo claro antes de creerse el titular de que “supera a Opus”.

Empecemos ahora por lo que dice xAI en su propio model card:

• SWE Bench Pro: 64,7% de tasa de resolución.
• Terminal Bench 2.1: 83,3%.
• DeepSWE 1.0: 62%.
• Velocidad: 80 tokens por segundo, lo que ellos llaman “velocidad de modelo rápido”.

Suena sólido. Pero un benchmark aislado no dice nada si no lo comparas con el resto de la liga. Y ahí es donde el matiz importa: en el índice de agentes de programación, y dentro de su propio harness (Grok Build), rinde a la par que GPT-5.5 en Codex, pero a un coste muy inferior. El modelo no gana en inteligencia bruta, se planta muy cerca de los grandes en la tarea que más nos interesa.

Si ponemos los tres benchmarks de programación más citados uno al lado del otro, el mapa queda así:

La lectura es clara. En las tareas más duras y curadas Grok 4.5 se queda por detrás, y no por poco: 17 puntos de distancia con Fable 5 en DeepSWE, un benchmark de 113 tareas repartidas en 91 repositorios y 5 lenguajes que analicé tarea por tarea aquí. Pero en el trabajo de terminal, el tipo de tareas agénticas de varios pasos donde hay que encadenar comandos y recuperarse de fallos, empata con modelos que cuestan bastante más.

⚠️ Cuidado con las comparaciones de benchmark a pelo. Grok 4.5 pierde en los tests más exigentes, pero el rango de tareas donde iguala a los líderes coincide sospechosamente bien con lo que hacemos el 80% de los días: tocar un proyecto real, no resolver un puzzle de competición.

Hay un tercer eje que casi nadie mira y que conviene añadir a la ecuación: el número de reintentos. Un modelo que acierta a la primera el 60% de las veces y necesita dos pasadas en el resto puede salir más caro que uno con peor puntuación pero comportamiento más estable. Los benchmarks publican tasa de resolución, no tasa de resolución a la primera. Guárdate esa distinción, porque vuelve enseguida.

¿Por qué Grok 4.5 es tan barato? ¶

Porque cuesta 2 dólares por millón de tokens de entrada y 6 de salida, la mitad que su rival más barato en la tarifa de entrada, y porque además necesita menos tokens para resolver la misma tarea. Son dos ahorros que se multiplican entre sí, no que se suman.

Pon los precios en una tabla y entiendes el revuelo.

No es un descuento simbólico, es otro orden de magnitud. Opus 4.8, el modelo con el que la comunidad lo compara sin parar y del que hablé al comparar Sonnet 5 con Opus 4.8, cuesta cuatro veces más en salida.

Pero la historia del precio no acaba en la tarifa. Hay un segundo factor que multiplica el ahorro: la eficiencia de tokens. Según el propio model card y varios análisis, Grok 4.5 resuelve tareas usando 4,2 veces menos tokens de salida que Opus 4.8 en SWE Bench Pro.

Piénsalo un momento, porque es más importante de lo que parece:

1. Pagas menos por cada millón de tokens.
2. Además, necesitas menos tokens para resolver la misma tarea.
3. El ahorro real por tarea no es de un 50%, se dispara mucho más allá.

Esa segunda palanca no depende del proveedor, depende de ti. Las técnicas para ahorrar tokens valen igual con Grok que con Claude, porque el problema no es el modelo, es el contexto que le metes. Y por encima de todo está el patrón de planificar con el modelo caro y ejecutar con el barato, que desmenucé en la guía sobre cómo elegir el modelo adecuado para cada tarea.

Mervin Praison lo resume en su análisis técnico con una frase que se ha quedado circulando: la propuesta de Grok 4.5 es “inteligencia por dólar”, no la puntuación máxima en el benchmark. Menos tokens de salida, a 80 TPS, con una tarifa de $2/$6. Ese es el paquete.

💡 Si solo te llevas una idea de todo el debate del precio: la métrica que importa no es el coste por token, es el coste por tarea resuelta. Y ahí Grok 4.5 juega en otra liga.

The Decoder lo describe sin rodeos como la jugada clásica de acercarte lo suficiente en rendimiento y ganar después en precio. Es la misma estrategia que llevan meses aplicando varios proveedores para comerle terreno a los líderes. Con la diferencia de que esta vez viene con el músculo de infraestructura de SpaceXAI detrás.

Cómo calcular tu coste real por tarea ¶

Aquí es donde dejamos las tablas y ponemos las manos en el teclado. Los precios de la tabla anterior son un titular. El número que te interesa es otro: cuánto te va a costar tu tarea típica, con tu volumen de tokens y tus reintentos.

Toma una tarea representativa de tu trabajo de la semana pasada. Un refactor multiarchivo, por ejemplo. Anota tres cifras:

1. Tokens de entrada que consume el contexto (ficheros leídos, historial, definiciones de herramientas).
2. Tokens de salida que genera el modelo, incluidos los de razonamiento si los factura como salida.
3. Número de pasadas hasta que el resultado pasó tus tests.

Con esas tres cifras y un script de veinte líneas tienes tu propia comparativa, mucho más útil que cualquier ranking:

# Coste real por tarea, contando reintentos y eficiencia de tokens
PRICING = {
    "grok-4.5":  {"input": 2.0,  "output": 6.0},
    "opus-4.8":  {"input": 5.0,  "output": 25.0},
    "gpt-5.5":   {"input": 5.0,  "output": 30.0},
}

# Factor de eficiencia: cuántos tokens de salida necesita cada modelo
# para la misma tarea, tomando Opus 4.8 como referencia (1.0)
EFFICIENCY = {"grok-4.5": 0.24, "opus-4.8": 1.0, "gpt-5.5": 0.85}


def cost_per_task(model: str, input_tokens: int, base_output: int, retries: int = 1) -> float:
    """Devuelve el coste en dólares de resolver una tarea con un modelo."""
    price = PRICING[model]
    output_tokens = base_output * EFFICIENCY[model]
    per_pass = (input_tokens * price["input"] + output_tokens * price["output"]) / 1_000_000
    return per_pass * retries


# Refactor multiarchivo: 60K de contexto, 20K de salida en Opus, dos pasadas
for model in PRICING:
    total = cost_per_task(model, input_tokens=60_000, base_output=20_000, retries=2)
    print(f"{model:<12} ${total:.4f}")

Ejecuta eso con tus números y verás por qué la tarifa por token engaña. Con los valores del ejemplo, Grok 4.5 sale alrededor de un 90% más barato que Opus 4.8 en la misma tarea. Ese 0.24 del diccionario EFFICIENCY es el 1/4,2 del que presume el model card, y es la pieza que casi nadie mete en la hoja de cálculo.

Ahora la parte incómoda. Ese factor de reintentos, retries, es tuyo y no del proveedor. Si un modelo barato falla y repites, el coste real se multiplica. Un modelo que sale un 90% más barato pero necesita el triple de pasadas ya no sale un 90% más barato. Mídelo con tus tareas, no con las de un benchmark.

🛡️ Antes de cambiar de modelo por precio, mide durante una semana. El coste medio de un developer con agentes de IA ronda los 6 dólares al día, con el percentil 90 en 12 dólares. Sin ese dato de partida, cualquier ahorro que calcules es un cuento.

Hay una consecuencia bonita en todo esto. Cuando mides el coste por tarea en lugar del coste por token, dejas de comparar modelos y empiezas a comparar decisiones. Cuánto contexto le das, cuánto planificas antes de escribir código, cuántas veces le dejas fallar. La tarifa la pone el proveedor. Las otras tres variables las pones tú.

Lleva OpenSpec a tu proyecto

El método que baja el coste por tarea: planificar antes de teclear

Las tres variables que controlas —contexto, planificación y reintentos— se dominan con SDD. Te llevas el flujo completo de OpenSpec (explore, propose, apply, verify, archive), esquemas para código legacy y tu propio workflow para que el agente entregue lo que quieres sin tres pasadas.

Ver el método a fondo →

Incluye semáforo interactivo y prompt de arranque copiable

¿Qué asterisco arrastra el entrenamiento con Cursor? ¶

Que una instantánea antigua del código fuente de Cursor se incluyó por accidente en el entrenamiento. Lo reconoce el propio equipo de Cursor en su blog, y merece un párrafo aparte antes de que te lances a migrar nada.

¿La consecuencia? Que los resultados de Grok 4.5 en CursorBench pueden estar inflados. El modelo podría estar “reconociendo” código que ya vio durante el entrenamiento, en lugar de resolverlo desde cero.

No es un escándalo ni una trampa deliberada. Estas cosas pasan cuando entrenas con datos a esta escala, y que lo publiquen antes de que lo descubra un tercero dice más a favor que en contra. Pero sí es una razón para leer con pinzas cualquier benchmark que use el ecosistema de Cursor como referencia.

🛡️ Regla práctica: cuando valores un modelo, dale más peso a los benchmarks neutrales (SWE Bench Pro, Terminal Bench, el índice de Artificial Analysis) que a los tests caseros del proveedor o de su socio comercial. La independencia de la fuente vale más que el número.

¿Qué cuentan quienes ya lo han probado? ¶

Que va rápido, que acierta en backend y sistemas, y que flojea en frontend. Ese es el resumen de las primeras impresiones públicas, con una coletilla que aparece en todas: “si tienes en cuenta el precio”.

Empecemos por lo bueno. En el hilo de Hacker News, un desarrollador de iOS contó que le pidió a Grok 4.5 construir una app nativa de ciclocomputador con SwiftUI y Metal. El resultado, según él, fue el mejor de todos los modelos que probó. Y añadió un detalle demoledor: Claude, ante la misma tarea, se rindió e hizo una implementación en HTML/CSS en lugar de la app nativa. Lo que más valoró fue la capacidad de Grok de intuir los requisitos sin necesidad de estar microgestionando cada paso.

En el terreno de las primeras impresiones, DeepakNess publicó un análisis honesto tras usarlo dentro de Cursor. Sus conclusiones, resumidas:

• Velocidad excepcional comparado con Opus y los modelos de GPT.
• En tareas que no son de frontend, lo describe como impecable y muy fiable.
• Para trabajo de programación general, cumple con nota.
• Su veredicto final: “si tienes en cuenta el precio, Grok 4.5 es ahora mismo el mejor modelo de IA que existe”.

Fíjate en la coletilla otra vez. Nadie dice que sea el más inteligente en términos absolutos. Todos dicen que, por lo que cuesta, no hay nada igual.

Y luego está Theo, con ese “Oh no” que abría este artículo. La gracia del título está en el subtexto: es la reacción de alguien que preferiría que no funcionara y que, tras probarlo, no tiene más remedio que reconocer que sí lo hace. Ese tipo de admisión a regañadientes, viniendo de la comunidad, suele valer más que mil notas de prensa.

¿Dónde flojea Grok 4.5? ¶

En el diseño de interfaces, en la adopción real y en los límites de su plan de suscripción. Un modelo no se juzga solo por sus fortalezas, y Grok 4.5 tiene grietas visibles.

El diseño de frontend no es su fuerte. El propio DeepakNess, que lo pone por las nubes en casi todo, es tajante en esto: para diseño de interfaces no está al nivel de los modelos Opus o Fable. Las páginas web que genera las califica de decentes, pero no muy buenas. Si tu trabajo diario es maquetar interfaces cuidadas, este no es tu modelo estrella.

El escepticismo de la comunidad es real. En el mismo hilo de Hacker News, otro desarrollador de iOS con experiencia respondía al elogio del ciclocomputador con un escueto pero contundente: “me cuesta mucho creerme este comentario”. La disputa quedó abierta, que es justo como debe leerse cualquier anécdota aislada de un foro.

La adopción va por detrás. Un dato que salió en la conversación: Grok tiene un orden de magnitud menos de uso en OpenRouter que Claude, GPT o incluso Gemini. Menos adopción significa menos integraciones probadas, menos tutoriales, menos gente que ya ha tropezado con los bugs antes que tú.

El factor Musk pesa. Varios comentaristas señalaron que la asociación con Elon Musk genera rechazo en parte de la comunidad y añade fricción a la adopción, más allá de lo técnico. Es un factor blando, pero real en la decisión de muchos equipos.

Los límites de suscripción escuecen. El plan de 40 dólares al mes solo incluye unas 8 horas de programación ininterrumpida con Grok Build. Alguien en el hilo lo comparó con el plan equivalente de Claude, que ofrece un uso casi ilimitado por el mismo precio. Para un uso intensivo, la cuenta puede no salir.

Y un último detalle logístico nada menor si lees esto desde España o cualquier país de la UE.

⚠️ Grok 4.5 no está disponible todavía en la Unión Europea. El propio model card indica que se espera para mediados de julio. Si trabajas desde Europa, de momento te quedas mirando desde la barrera.

¿Cómo probar Grok 4.5 sin romper nada? ¶

Con una prueba acotada, con tareas que ya sabes resolver y con el reloj y la factura delante. Cuando llegue a tu región, esto es lo que yo haría en cuatro pasos.

1. Elige tres tareas cerradas de tu último sprint que ya resolviste con otro modelo. Tienes la solución, así que tienes la vara de medir.
2. Ejecuta cada tarea dos veces, una con tu modelo actual y otra con Grok 4.5, en el mismo harness si es posible. Anota tokens, tiempo y número de pasadas.
3. Aplica el script de arriba a los datos que has recogido. El coste por tarea resuelta es el único número que importa.
4. Decide por tipo de tarea, no por modelo. Backend y automatización a Grok. Interfaces y razonamiento duro, a lo que ya te funciona.

El paso 4 es el que más gente se salta. No se trata de casarse con un proveedor, se trata de tener un router mental que mande cada petición a donde salga más a cuenta. Un mismo proyecto puede usar tres modelos distintos en una tarde sin que pase nada.

¿Deberías tenerlo en el radar? ¶

Sí, si tu carga de trabajo es programación de propósito general, tareas agénticas y automatización, y el coste de la API te importa. No, si necesitas el techo absoluto de razonamiento o interfaces pulidas.

Vamos a ordenar las conclusiones, que es fácil perderse entre tanto número.

Grok 4.5 no es el modelo más inteligente del mercado. Los benchmarks independientes lo dejan cuarto, y en las tareas más exigentes se nota la distancia con Fable 5 o GPT-5.5. Si lo que buscas es la máxima potencia bruta cueste lo que cueste, hay opciones por encima.

Pero esa no es la pregunta que se hace la mayoría de los equipos. La pregunta real es: ¿cuánto rendimiento consigo por cada euro que gasto? Y con esa vara de medir, Grok 4.5 se convierte en un candidato serio:

1. Es la mitad de caro que el rival más barato en tarifa de API.
2. Usa hasta 4,2 veces menos tokens para resolver la misma tarea.
3. Va rápido, a 80 tokens por segundo.
4. En tareas agénticas de terminal empata con modelos mucho más caros.
5. Brilla en trabajo de backend y de sistemas, menos en frontend.

💡 No se trata de casarse con un modelo. Se trata de tener el modelo adecuado para cada tarea. Grok 4.5 no viene a sustituir tu stack, viene a ser una opción más barata para una parte muy concreta de tu trabajo diario.

El movimiento de fondo, en todo caso, es más grande que un modelo. Cuando un actor con la infraestructura de SpaceXAI decide competir en precio en lugar de en marketing de benchmark, el resto del mercado tiene que responder.

Y eso, para quien programa y paga la factura de la API cada mes, son buenas noticias vengan de quien vengan.

TL;DR ¶

• 🚀 Grok 4.5 es el modelo insignia de xAI (SpaceXAI) para programación y tareas agénticas, entrenado con billones de tokens de datos reales de Cursor.
• 📊 En benchmarks independientes queda cuarto (Artificial Analysis Index: 54), por detrás de Fable 5, GPT-5.5 y Opus 4.8, pero empata con GPT-5.5 en tareas de agente de programación.
• 💰 Su gran baza es el precio: $2/$6 por millón de tokens, la mitad que el rival más barato, y encima usa 4,2 veces menos tokens que Opus 4.8 por tarea.
• ⚠️ Flojea en diseño de frontend, arrastra el asterisco del código de Cursor filtrado en el entrenamiento y todavía no está disponible en la UE.
• 🎯 Veredicto: no es el más listo, pero es el que mejor relación rendimiento/precio ofrece hoy para programación de propósito general.

Preguntas frecuentes sobre Grok 4.5 ¶

¿Qué es Grok 4.5? ¶

Grok 4.5 es el modelo de IA más avanzado de xAI (bajo SpaceXAI), lanzado en julio de 2026 y orientado a programación, tareas agénticas y trabajo de conocimiento. Usa una arquitectura mixture-of-experts de alrededor de 1,5 billones de parámetros y alcanza 80 tokens por segundo de velocidad de generación.

¿Cuánto cuesta Grok 4.5 en la API? ¶

El modelo base cuesta 2 dólares por millón de tokens de entrada y 6 dólares por millón de tokens de salida. Existe una variante rápida a 4 y 18 dólares respectivamente. Es la mitad que Opus 4.8 y GPT-5.5 en tarifa de entrada.

¿Es Grok 4.5 mejor que Claude Opus 4.8? ¶

En benchmarks independientes, no. Opus 4.8 queda por delante en el Artificial Analysis Intelligence Index, donde Grok 4.5 obtiene un 54 y ocupa la cuarta posición. Pero Grok 4.5 se acerca mucho en tareas de programación agéntica a un coste bastante inferior, así que en relación rendimiento/precio suele salir ganando.

¿Por qué Grok 4.5 es tan barato? ¶

Por una estrategia deliberada de competir en precio y por su eficiencia de tokens: resuelve tareas usando hasta 4,2 veces menos tokens de salida que Opus 4.8 en SWE Bench Pro. Eso reduce el coste real por tarea muy por debajo de lo que sugiere la tarifa por millón de tokens.

¿Con qué datos se ha entrenado Grok 4.5? ¶

Con billones de tokens de datos de Cursor que capturan interacciones reales de desarrollo, además de tareas STEM, artículos de investigación y trabajo de conocimiento. Se refinó con aprendizaje por refuerzo sobre cientos de miles de tareas de ingeniería de software de varios pasos.

¿En qué benchmarks destaca Grok 4.5? ¶

Consigue un 83,3% en Terminal Bench 2.1, a la altura de los líderes, y un 64,7% en SWE Bench Pro. Es también el número 1 en el Harvey’s Legal Agent Benchmark. En los tests más duros como DeepSWE se queda en un 53%, por detrás de Fable 5 (70%) y GPT-5.5 (67%).

¿Está disponible Grok 4.5 en Europa? ¶

En el momento del lanzamiento no estaba disponible en la Unión Europea. El model card oficial de xAI indica que se esperaba para mediados de julio de 2026.

¿Sirve Grok 4.5 para diseño de frontend? ¶

Es su punto más débil. Los desarrolladores que lo han probado coinciden en que para diseño de interfaces queda por debajo de modelos como Opus 4.8 o Fable 5, aunque cumple bien en programación de backend y de sistemas.

¿Qué es la eficiencia de tokens de Grok 4.5? ¶

Es su capacidad de resolver una tarea generando menos tokens de salida que la competencia, en concreto 4,2 veces menos que Opus 4.8 en SWE Bench Pro. Como pagas por token, menos tokens significa menor coste por tarea completada.

¿Merece la pena cambiarse a Grok 4.5? ¶

Si te importa el coste de la API y tu trabajo es programación de propósito general o tareas agénticas, merece una prueba seria en cuanto llegue a tu región. Si necesitas el máximo razonamiento o diseño de interfaces cuidadas, conviene esperar o combinarlo con otro modelo según el tipo de tarea.

Fuentes ¶

• xAI/SpaceXAI, “Introducing Grok 4.5 — Model card oficial”
• Cursor, “Introducing Grok 4.5”
• Artificial Analysis, “Grok 4.5 brings SpaceXAI to the intelligence frontier”
• Hacker News, “Grok 4.5 — hilo de discusión”
• DeepakNess, “Grok 4.5 first impressions”
• Mervin Praison, “Grok 4.5 Explained: Cursor-trained coding agent with benchmarks and API pricing”
• The Decoder, “Grok 4.5 is so cheap that benchmark gaps may not matter much”
• Theo (t3.gg), “Oh no (the new Grok model is good)”

🧨 Última oprtunidad para recibir la dinamita que mereces sobre programación con IA el próximo domingo: Suscríbete gratis a Web Reactiva en https://webreactiva.com/newsletter