Grok 4.5
Publié par xAI le 8 juillet 2026, Grok 4.5 est un LLM économique qui se distingue par une fenêtre de contexte de 500 000 tokens. Son positionnement associe raisonnement de premier plan, solides résultats scientifiques et mathématiques, capacités de codage élevées et exécution de tâches…
Publié par xAI le 8 juillet 2026, Grok 4.5 est un LLM économique qui se distingue par une fenêtre de contexte de 500 000 tokens. Son positionnement associe raisonnement de premier plan, solides résultats scientifiques et mathématiques, capacités de codage élevées et exécution de tâches agentiques.
À sa sortie, le modèle figurait dans le top 7% des LLM de sa génération sur GPQA diamond. Sa tarification reste dans la moyenne des modèles similaires, tout en étant environ 2,8 fois inférieure à celle des modèles frontière. Quatre sources de données concordantes étayent ce positionnement.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | xAI |
| Poids | 🔒 Propriétaire |
| Date de sortie | 16 juillet 2026 |
| Connaissances jusqu'à | 2026-02-01 |
| Multimodal | oui |
| Fenêtre de contexte | 500 000 tokens |
| Modalités (entrée → sortie) | text,image → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : Reasoning (Baseline) | 100,0 % | 1ᵉ / 155 | benchable | ✅ Mesuré |
| Epoch: OTIS Mock AIME 2024-2025 | 97,8 % | 4ᵉ / 64 | epoch | ✅ Mesuré |
| Benchable : Coding (Baseline) | 96,0 % | 7ᵉ / 162 | benchable | ✅ Mesuré |
| Epoch: GPQA diamond | 93,4 % | 4ᵉ / 85 | epoch | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 93,0 % | 44ᵉ / 140 | benchable | ✅ Mesuré |
| PinchBench : agentique (OpenClaw, 147 tâches) | 75,2 % | 9ᵉ / 19 | pinchbench | ✅ Mesuré |
| Epoch: FrontierMath-Tiers-1-3-v2-Private | 57,2 % | 7ᵉ / 17 | epoch | ✅ Mesuré |
| Epoch: SimpleQA Verified | 53,5 % | 6ᵉ / 26 | epoch | ✅ Mesuré |
| Epoch: Chess Puzzles | 36,0 % | 8ᵉ / 20 | epoch | ✅ Mesuré |
| Epoch: FrontierMath-Tier-4-v2-Private | 24,4 % | 8ᵉ / 18 | epoch | ✅ Mesuré |
| GPQA | 93,0 % | 9ᵉ / 219 | llm-stats | n.d. |
| Terminal-Bench 2.1 | 83,3 % | 6ᵉ / 13 | llm-stats | Auto-déclaré |
| Artificial Analysis Coding Agent Index v1.1 | 76,0 % | 3ᵉ / 4 | llm-stats | n.d. |
| SWE-Bench Pro | 64,7 % | 4ᵉ / 41 | llm-stats | Auto-déclaré |
| Artificial Analysis | 54,0 % | 3ᵉ / 5 | llm-stats | n.d. |
| DeepSWE | 53,0 % | 5ᵉ / 9 | llm-stats | Auto-déclaré |
| GDPval-AA | 51,4 % | 9ᵉ / 39 | llm-stats | n.d. |
| SWE-Marathon | 29,0 % | 2ᵉ / 3 | llm-stats | Auto-déclaré |
« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles sur chaque dimension évaluée, et à ses voisins de classement.
Benchable : Reasoning (Baseline)
Epoch: OTIS Mock AIME 2024-2025
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| xAI | 2 $ | 6 $ | 0,5 $ |
| xai | 2 $ | 6 $ | n.d. |
Prix en dollars US par million de tokens.
Sa tarification se situe 4 % en dessous de la moyenne des LLM similaires, et 2,8 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût par exécution agentique — PinchBench (147 tâches) | 24,83 $ |
| Durée d'exécution — PinchBench | 3 h 48 min |
| Indice valeur/coût — PinchBench | 14,82 |
| Coût moyen par benchmark — Benchable | 0,7 $ |
| Latence moyenne par benchmark — Benchable | 23 min 27 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. Grok 4.5 occupe la première place sur Benchable: Reasoning (Baseline) et se classe dans le top 10 sur OTIS Mock AIME 2024-2025, consacré aux olympiades de mathématiques de niveau lycée. Il appartient également au top 10 sur GPQA diamond, qui évalue des questions scientifiques de niveau doctorat. Son score élevé en codage confirme un profil polyvalent, même s’il reste juste hors du top 10 de ce classement. La fenêtre de 500 000 tokens constitue un autre trait distinctif. Avec un tarif minimal de 2 $ par million de tokens en entrée et 6 $ en sortie, son coût est économique et nettement inférieur à celui des modèles frontière.
Limites et points d'attention. Les résultats sont moins homogènes en mathématiques générales, où Grok 4.5 se situe loin du groupe de tête malgré un score élevé. Son classement agentique sur PinchBench, fondé sur 147 tâches OpenClaw, reste également en retrait par rapport à ses performances en raisonnement et en sciences. Le modèle convient surtout aux usages centrés sur le raisonnement, les problèmes scientifiques, les mathématiques de compétition et le codage, avec un coût contenu.
Sources des données : OpenRouter (openrouter.ai) · LLM-Stats (llm-stats.com) · Epoch AI (epoch.ai), CC-BY-4.0 · PinchBench (pinchbench.com) · Benchable.ai (benchable.ai).