TLDR El 28 de junio de 2026, Elon Musk anunció que Grok 4.5 —construido sobre el nuevo modelo fundacional V9 de xAI con 1,5 billones de parámetros y con datos de entrenamiento suplementarios de la plataforma de codificación Cursor AI— entró en beta privada en SpaceX y Tesla. Evaluaciones internas afirman un rendimiento “cercano a, quizá superando” a Claude Opus de Anthropic, con RLHF en curso y mejoras continuas en Grok Build.
Para desarrolladores y empresas que integran modelos de vanguardia hoy, CometAPI ofrece acceso inmediato y rentable a Grok 4.3 (y otros modelos de xAI) mediante un único endpoint compatible con OpenAI junto con más de 500 modelos de Anthropic, OpenAI, Google y más, a menudo con ahorros del 20% o más frente a precios directos, sin registro de prompts para flujos de trabajo centrados en la privacidad.
Puntos clave
- Una línea citada atribuida a Elon Musk dice que Grok 4.5 está en beta privada en SpaceX y Tesla, difundida por AshutoshShrivastava.
- TestingCatalog informa que Grok 4.5 se basa en un modelo fundacional V9 de 1,5T con datos de Cursor añadidos en entrenamiento suplementario.
- La única señal etiquetada como evidencia es la captura de pantalla del 28 de junio de Mark Kretschmann que muestra que el número de versión de Grok / Cursor Composer 3 fue retirado de los menús de xAI.
- No se han divulgado puntuaciones de benchmarks, precios, ventana de contexto ni calendario de API en este conjunto de señales.
- La historia de los datos de entrenamiento de Cursor ha ido tomando forma desde el 16 de junio en al menos tres cuentas, con Mark Kretschmann vinculando Grok 5 a un par de 6T y 10T parámetros en la clase de pesos Fable 5.
Fecha de lanzamiento de Grok 4.5
Grok 4.5 entró en beta privada el 28 de junio de 2026 y está programado para su lanzamiento público el 9 de julio de 2026 (mañana, a fecha del 8 de julio).
Se basa en versiones previas como Grok 4 (lanzado alrededor de julio de 2025) y Grok 4.3. Debería hacerse accesible a usuarios elegibles (p. ej., suscriptores SuperGrok/Premium+) poco después del anuncio. Para la API, CometAPI se integrará con la API de Grok 4.5 inmediatamente después de su lanzamiento y ofrecerá un precio de adquisición más bajo.
Lanzamiento público: Hoy (8 de julio de 2026), Musk publicó que, con base en los comentarios positivos de la beta, SpaceXAI / xAI pondrá Grok 4.5 a disposición del público mañana (9 de julio). Se describe como un modelo "de clase Opus" que es más rápido, más eficiente en tokens y de menor costo que modelos comparables.
Señales de la arquitectura de Grok 4.5: lo que hemos visto
La fuente principal es la publicación de X de Elon Musk del 28 de junio de 2026:
“Grok 4.5, basado en nuestro modelo fundacional V9 de 1,5T, con datos de Cursor añadidos en entrenamiento suplementario, ya está en beta privada en SpaceX y Tesla. Las evaluaciones tempranas muestran un rendimiento cercano a, quizá superando a Opus. El RL sigue mejorando significativamente el modelo, y el arnés de Grok Build mejora cada día…”
Esto fue amplificado por cuentas como @testingcatalog y @ai_for_success, con detalles de arquitectura sobre el V9 de 1,5T y la integración de Cursor: "Grok 4.5 is based on 1.5T V9 foundation model, with Cursor data added in supplemental training.".
Señal de Cursor: El movimiento de xAI/SpaceX hacia adquirir o asociarse profundamente con Cursor (Anysphere) por ~$60B proporciona una rica fuente de trazas reales de IDE de desarrolladores, flujos de trabajo de agentes y datos de edición multiarchivo. Este entrenamiento complementario (posterior al preentrenamiento) diferencia a Grok 4.5 en tareas de codificación, aunque expertos señalan que una integración en el preentrenamiento inicial sería aún más fuerte.
Fuente: @mark_k
La señal del estado de los menús es más estrecha pero más parecida a evidencia. Según la publicación del 28 de junio de Mark Kretschmann, el número de versión del modelo Grok 1.5T / Cursor Composer 3 fue retirado de los menús de xAI en la mañana del 28 de junio. Lo describe como un patrón que puede preceder lanzamientos de xAI. No es un lanzamiento formal, pero es más concreto que una afirmación de rendimiento republicada porque está vinculada a una captura de pantalla.
La señal canaria posterior impulsó la historia. TestingCatalog observó una cadena en la interfaz web de Grok que decía "Unlock the full power of Chat with Grok 4.5." Ese tipo de rastro a menudo aparece antes de un cambio de producto, pero también puede abandonarse, retrasarse o quedarse detrás de un despliegue limitado.
Qué podemos esperar razonablemente de Grok 4.5
Dada la trayectoria de xAI y los detalles filtrados, aquí va una perspectiva fundamentada:
- Mejoras en codificación y desempeño con agentes: Los datos suplementarios de Cursor deberían impulsar tareas tipo SWE-Bench, el razonamiento multiarchivo y flujos de trabajo reales de desarrolladores. Se esperan fortalezas en razonamiento técnico, depuración e ingeniería a escala de producción, áreas alineadas con los casos de uso de SpaceX/Tesla.
- Escala y eficiencia: Con 1,5T parámetros sobre V9 optimizado (GPU de la era Blackwell mediante Colossus), equilibra potencia bruta con viabilidad de inferencia. Las mejoras de RL tras la beta podrían reducir brechas en razonamiento.
- Iteración rápida: Musk mencionó modelos nuevos mensuales desde cero. Grok 4.5 sirve como un peldaño, con una ejecución mayor de 2T+ que ya incorpora datos de Cursor desde el preentrenamiento.
- Multimodalidad y uso de herramientas: Sobre las capacidades previas de Grok (visión, búsqueda, Grok Build), se esperan funciones de agentes ampliadas.
- Cronograma de lanzamiento público: Los rastros en UI sugieren días o semanas para un acceso más amplio. Patrones históricos indican de 1 a 2 semanas desde el teaser hasta la vista previa.
Para uso en producción hoy: Mientras esperas, integra mediante los endpoints de CometAPI para Grok. Su API compatible con OpenAI permite cambios sin fricción y ofrece ahorro de costos (p. ej., Grok 4 a tarifas reducidas), perfecto para crear apps que luego se actualicen fácilmente a Grok 4.5. Consulta las ofertas de Grok en CometAPI para más detalles.
Los hechos sólidos provienen de la documentación oficial, y la documentación oficial está silenciosa respecto a Grok 4.5. La página de modelos de xAI lista grok-build-0.1 como un modelo de codificación entrenado específicamente para flujos de trabajo de codificación con agentes, con una ventana de contexto de 256k y $1.00 / $2.00 por 1M de tokens de entrada/salida en la documentación de precios de xAI. Lista grok-4.3 para uso general, con una ventana de contexto de 1M tokens y $1.25 / $2.50 por 1M de tokens de entrada/salida. La página de límites de tasa de xAI incluye Grok 4.3 y Grok Build 0.1, y la documentación de function-calling de xAI explica la superficie actual de uso de herramientas, pero ninguna de esas páginas lista Grok 4.5.
Esa ausencia importa. Un modelo puede ser real internamente y aun así no ser utilizable a través de la API pública. Los equipos deberían separar “xAI puede estar probando esto” de “los desarrolladores pueden desplegar esto”.
La discusión pública sigue siendo útil para un propósito más acotado: indica qué deben probar primero los constructores.
Las preguntas de seguimiento son más útiles que el bombo:
- ¿Los datos al estilo Cursor reducen intentos de parche fallidos?
- ¿Grok 4.5 navega repositorios mejor que Grok 4.3 o Grok Build?
- ¿Supera a Claude Opus 4.8 en tareas reales multiarchivo?
- ¿Necesita menos reintentos, menos llamadas a herramientas o menos revisión humana?
- ¿Sigue siendo competitivo cuando se miden latencia y longitud de salida?
- ¿Generaliza fuera de flujos de trabajo similares a Cursor?
Trata los hilos de X como señales, no como especificaciones. Las especificaciones empiezan cuando xAI actualiza su documentación de modelos o las notas de versión.
Grok 4.5 vs Claude Opus: rendimiento esperado
La verdadera pregunta de enrutamiento no es “¿Grok 4.5 es emocionante?” Es: ¿Debería un flujo de trabajo de codificación o con agentes usar Grok 4.5 en lugar de Claude Opus 4.8 cuando Grok 4.5 esté disponible?
Claude Opus 4.8 es la base limpia porque Anthropic tiene documentación pública y datos de benchmark. La visión general de modelos de Anthropic lista Claude Opus 4.8 con una ventana de contexto de 1M tokens y 128k de salida máxima. El anuncio de Opus 4.8 lo posiciona en trabajo complejo con agentes, codificación y casos de uso empresariales, mientras que la página de precios da la referencia oficial de precio de API.
La system card de Opus 4.8 aporta números reales. En su resumen de evaluación, Opus 4.8 reporta 88.6 en SWE-bench Verified, 69.2 en SWE-bench Pro, 74.6 en Terminal-Bench 2.1, 83.4 en OSWorld-Verified y 1890 en GDPval-AA.
Fortalezas esperadas de Grok 4.5:
- Especialización en codificación: Los datos de Cursor proporcionan una ventaja única en trazas reales de desarrolladores que los benchmarks sintéticos infravaloran. Los Grok previos ya eran competitivos en codificación; esto podría empujarlo por delante en tareas con agentes.
- Escala y velocidad: 1,5T parámetros + infraestructura Colossus pueden ofrecer gran rendimiento y manejo de contextos largos.
- Costo/accesibilidad: Los modelos de xAI suelen tener precios competitivos; CometAPI reduce aún más costos (p. ej., la serie Grok 4 con ahorros significativos).
Fortalezas de Claude Opus (buque insignia actual):
- Benchmarks probados: alto SWE-Bench (~80%+ en versiones recientes), fuerte razonamiento (GPQA, ARC-AGI), excelente seguimiento de instrucciones y seguridad.
- Ecosistema maduro: Uso de herramientas robusto, artifacts y funciones empresariales.
Tabla comparativa (proyección/razonamiento basado en los datos disponibles)
| Aspecto | Grok 4.5 (esperado) | Claude Opus (actual) |
|---|---|---|
| Parámetros | 1.5T (V9) | No divulgado (mezcla denso/expertos) |
| Programación (est. SWE-Bench) | Competitivo/Líder (impulso de Cursor) | ~80%+ Verified |
| Razonamiento general (GPQA/MMLU) | Cercano a/por encima de Opus | Líder |
| Ventana de contexto | Grande (proyectado 200k+) | 200k+ |
| Precio (vía API) | Competitivo (más barato vía CometAPI) | Premium |
| Especialización de datos | Trazas de IDE de Cursor | Amplia + curada |
| Disponibilidad | Beta privada → ¿pronto? | API pública |
| Cadencia de entrenamiento | Modelos desde cero mensuales | Iterativa |
Tabla elaborada a partir de filtraciones, benchmarks previos y análisis. Resultados reales pendientes de evaluaciones públicas.
Toma la comparación con Opus como objetivo de referencia, no como conclusión. Si Grok 4.5 realmente está cerca o por encima de Opus, debería reflejarse en tasa de tareas resueltas, menos reintentos, menor edición por revisores y mejor recuperación en bucles de herramientas. Si solo gana en demos, no es suficiente para enrutamiento en producción.
Tres aspectos técnicos delicados
El riesgo de migración no solo es la calidad del modelo. Tres detalles menos visibles pueden hacer que un despliegue de Grok 4.5 resulte costoso o frágil.
1. Los beneficios adaptados a Cursor pueden no transferirse a tu pila de codificación
Si la señal de entrenamiento proviene de flujos de trabajo de Cursor, el modelo puede ser más fuerte en patrones de edición similares a Cursor. Tu sistema de producción puede ser distinto: agentes del lado del servidor, bots de reparación en CI, triaje de issues de GitHub, migración de repositorios internos o asistentes locales para desarrolladores.
Lista de verificación de evaluación:
- Incluye repositorios reales, no prompts de juguete.
- Incluye tareas que requieran leer antes de editar.
- Incluye tareas de recuperación tras fallos de tests.
- Puntúa la corrección del parche final, no solo la calidad de la respuesta.
- Compara modo chat simple frente a modo agente.
- Mide si Grok 4.5 reduce reintentos frente a Opus 4.8 y Grok 4.3.
2. El rendimiento en beta privada puede depender de marcos internos
Un modelo probado dentro de SpaceX o Tesla puede beneficiarse de herramientas internas, prompts curados, tareas de evaluación privadas o recuperación especializada. Una versión pública de API podría comportarse de manera distinta.
Lista de verificación de evaluación:
- Registra el ID exacto del modelo y la fecha de lanzamiento.
- Registra la disponibilidad de herramientas en cada ejecución.
- Separa la calidad del modelo de la calidad del arnés/marco.
- Rastrea latencia p50 y p95.
- Rastrea fallos de herramientas y llamadas a herramientas inválidas.
- Evita comparar una demo de agente interno con una llamada cruda de API.
3. El precio y los límites de contexto pueden borrar las victorias en benchmarks
Incluso si Grok 4.5 es más fuerte, puede no ser más barato. El precio por token, la ventana de contexto, el tope de salida, el caché de prompts, los límites de tasa y el costo de llamadas a herramientas importan.
Usa esta métrica de enrutamiento:
Costo efectivo por tarea resuelta = (costo del modelo principal + costo de reintento + costo de fallback + costo de revisión humana) / tareas exitosas
Si Grok 4.5 resuelve más tareas con menos reintentos, puede justificar un precio por token más alto. Si usa más tokens, se enreda en bucles más largos o requiere más revisión, el bombo del lanzamiento no se traducirá en menor costo de trabajo.
Cómo evaluar Grok 4.5 por tu cuenta
Usa la ventana de filtraciones para preparar la evaluación antes de que aparezca el modelo.
1. Crea un conjunto de 20 tareas de agente de codificación
Incluye tareas reales:
- corrección de bug en tu propio repositorio
- refactorización multiarchivo
- migración de dependencias
- reparación de test fallido
- revisión de código con regresión sutil
- actualización de documentación vinculada al código
- bug de UI a partir de captura de pantalla más fuente
- problema de SQL o pipeline de datos
- flujo de trabajo con llamadas a herramientas
- pregunta de repositorio de contexto largo
2. Ejecuta las mismas tareas en las líneas base disponibles
No esperes a Grok 4.5 para empezar a medir. Ejecuta el mismo conjunto de tareas en:
- Grok 4.3 para el razonamiento general actual de xAI
- Grok Build 0.1 como línea base oficial de modelo de codificación de xAI donde esté disponible
- Claude Opus 4.8 para trabajo de alta capacidad en codificación y con agentes
- Claude Sonnet 5 para enrutamiento de producción de menor costo
- tu modelo de producción actual
3. Mide el costo por tarea resuelta
Rastrea:
- tokens de entrada
- tokens de salida
- llamadas a herramientas
- reintentos
- parches fallidos
- tasa de tests aprobados
- latencia
- ediciones del revisor
- puntuación final aprobado/reprobado
- costo por parche aceptado
No compares salidas puntuales. Compara las mismas tareas, mismas instrucciones, mismas herramientas y la misma rúbrica de puntuación.
4. Añade Grok 4.5 solo después de su disponibilidad pública
Cuando xAI o CometAPI expongan un ID de modelo estable para Grok 4.5, añádelo a la misma evaluación. No reescribas la evaluación alrededor del nuevo modelo. El punto es mantener el benchmark lo bastante estable para que la comparación signifique algo.
5. Decide por clase de carga de trabajo
Usa el modelo ganador por tipo de tarea, no por marca:
- Usa el modelo más barato cuando el éxito de la tarea sea similar.
- Usa Opus 4.8 cuando los fallos sean costosos y Grok 4.5 no haya demostrado paridad.
- Usa Grok 4.5 solo donde supere a las líneas base actuales en tus propias tareas.
- Mantén una ruta de fallback hasta que tasas de error, latencia y costo sean estables.
Lo que sabemos vs. lo que aún no podemos verificar
Confirmado / Fuertemente señalado:
- Base V9 de 1,5T + entrenamiento suplementario con Cursor.
- Beta privada en SpaceX/Tesla (28 de junio de 2026).
- Afirmación atribuida a Musk de “cercano a/superando Opus”.
- Hoja de ruta de modelos nuevos mensuales.
- Rastros canarios en la UI.
No verificado / Preguntas abiertas:
- Benchmarks exactos (sin system card).
- Fecha de lanzamiento público y precios de API.
- Ventana de contexto completa, capacidades multimodales.
- Volumen exacto de datos de Cursor, licencia y ratio de mezcla.
- Rendimiento vs. versiones específicas de Opus u otros modelos de vanguardia (p. ej., GPT-5.5, Gemini 3.x).
- Grok 4.5 vs. variantes rumoreadas mayores de Grok 5.
Trata las afirmaciones como direccionales del proveedor. La historia muestra que las evaluaciones internas pueden diferir de las públicas; la verificación independiente es esencial.
Qué observar a continuación
Observa cinco cosas en las próximas semanas:
- La documentación de modelos de xAI añadiendo un ID de modelo Grok 4.5.
- Notas de lanzamiento de xAI confirmando disponibilidad pública o de vista previa.
- Benchmarks independientes de agentes de codificación, especialmente SWE-bench, Terminal-Bench y tareas de agentes al estilo Cursor.
- Informes de desarrolladores reales sobre flujos de trabajo de codificación similares a Cursor.
- Actualizaciones del catálogo o panel de CometAPI sobre la disponibilidad de Grok 4.5.
La primera señal confiable de compra no será una publicación viral en X. Será un ID de modelo más resultados de evaluación repetibles.
Perspectiva futura: modelos mensuales y más allá
El ritmo de xAI —nuevos modelos fundacionales mensuales— podría redefinir la velocidad de iteración. Grok 4.5 es un salto incremental; las variantes de Grok 5 prometen más. Espera un énfasis continuado en la búsqueda de la verdad, el humor y la utilidad en el mundo real alineado con la visión de Musk.
Llamado a la acción: Regístrate en CometAPI hoy para acceder a potentes modelos Grok de forma asequible y mantenerte a la vanguardia. Mantente atento a x.ai y X para actualizaciones oficiales de Grok 4.5. La revolución de la codificación con IA se está acelerando: prepara tus flujos de trabajo ahora.