SpaceXAI vypustil 8. července 2026 Grok 4.5, svůj nový vlajkový model postavený na 1,5bilionovém základu V9. Elon Musk ho popisuje jako model třídy Opus, jen rychlejší, úspornější na tokeny a levnější. Dvě věci ho odlišují od běžného přírůstku do řady. Za prvé je to první model, který SpaceXAI trénoval společně s Cursorem, oblíbeným editorem kódu s AI, který v červnu koupil za 60 miliard dolarů. Za druhé stojí jeho prodejní argument na spotřebě tokenů: stejnou práci prý zvládne za čtvrtinu tokenů co Opus 4.8. A do třetice, v launchovém grafu ukázal i benchmarky, na kterých prohrává, což se v tomhle byznysu vidí málokdy.
Nejzajímavější je přitom ta věc s Cursorem, víc než samotná čísla. Fakta níže čerpáme z oznámení SpaceXAI a z nezávislých rozborů.
Technická poznámka: SpaceXAI je nové jméno společnosti SpaceX a X.AI, u kterých došlo ke spojení. Obě jsou to stále Muskovy firmy…
Cursor pod jednou střechou
Nejzajímavější na Grok 4.5 je původ jeho tréninkových dat. O dost víc než samotná architektura. SpaceXAI v červnu 2026 oznámil akvizici firmy Anysphere, která stojí za editorem Cursor, za zhruba 60 miliard dolarů. Cursor je vývojové prostředí s hlubokou integrací AI, jedno z nejpoužívanějších mezi profesionálními programátory. A Grok 4.5 je první model, do kterého SpaceXAI napustil reálná data z vývojářských relací Cursoru: stopy ladění chyb, změny napříč mnoha soubory, opravy, které uživatelé po modelu dělali. Tedy ne statický korpus kódu z internetu, ale záznam toho, jak skutečná programátorská práce probíhá krok za krokem.
To je jiný signál než u většiny modelů. Statický kód učí model, jak vypadá hotový výsledek. Data z relací učí model, jak se k výsledku dopracovat, jak reagovat na chybu, jak opravit špatný směr. Právě tady může být zdroj toho, proč Grok 4.5 vyskočil v agentním programování.
Je tu ale výhrada, kterou přiznává i sám xAI. Cursor data se přidávala v takzvaném doplňkovém tréninku (supplemental training), tedy až navrch po dokončení základního předtrénování, ne od začátku. Jeden inženýr xAI to popsal tak, že to není tak dobré, jako mít ta data od začátku. Praktický důsledek: zlepšení bývá ostřejší přesně na úlohách, které se těm datům podobají, a hůř se zobecňuje jinam. xAI tvrdí, že další model už bude mít Cursor data zapečená od začátku předtrénování.
Efektivita tokenů je ta skutečná zpráva
Muskova věta o modelu třídy Opus je marketing. Konkrétní a ověřitelné číslo se skrývá jinde: ve spotřebě tokenů. Na benchmarku SWE-Bench Pro vyřeší Grok 4.5 úlohu v průměru za 15 954 výstupních tokenů, zatímco Opus 4.8 v maximálním nastavení potřebuje 67 020. To je zhruba 4,2krát méně pro Grok.
Proč je tohle důležitější než pár bodů skóre navíc? Protože u agentní práce, kde model běží dlouho a přežvýkávý statisíce tokenů, se náklady počítají právě z tokenů. Model, který dá srovnatelný výsledek za čtvrtinu tokenů, je v provozu řádově levnější, i když má v tabulce o kousek nižší číslo. Grok 4.5 běží kolem 80 tokenů za sekundu a stojí 2 dolary za milion vstupních a 6 za milion výstupních tokenů. Rychlejší prémiová varianta přijde na 4 a 18 dolarů.
Tahle sázka na efektivitu se objevuje napříč modely posledních týdnů. Kimi K2.7 se chlubil o třetinu nižší spotřebou reasoning tokenů, GPT-5.6 stavěl na tom, že zvládne kyberbezpečnostní úlohy za třetinu tokenů. Grok 4.5 jde stejným směrem a povyšuje efektivitu na hlavní prodejní argument. Je to rozumné, protože právě náklady na tokeny jsou dnes u agentního nasazení to, co rozhoduje.
Stejný den, stejná teze: SWE-1.7 od Cognition
Ve stejný den jako Grok 4.5 vyšel ještě jeden model, který se s ním zajímavě potkává. Cognition, firma za agentem Devin, uvedla SWE-1.7, svůj nejsilnější coding model. Obě vydání spojuje jedna teze: hlavní zdroj dnešního zlepšení leží v post-tréninku, tedy v tom, co se s modelem děje po základním předtrénování, víc než v samotné velikosti základu.
Grok 4.5 stojí na vlastním základu V9 a navrch přidal data z Cursoru. SWE-1.7 jde ještě dál a staví rovnou na cizím základu: je natrénovaný z modelu Kimi K2.7, tedy z čínského otevřeného modelu, který sám prošel rozsáhlým posilovaným učením. A přesto z něj Cognition vlastním tréninkem vyždímal další velké zlepšení. Firma to sama rámuje jako zpochybnění představy o stropu post-tréninku: pokud se dá i takhle vytrénovaný model ještě výrazně posunout, znamená to, že posilované učení má před sebou víc prostoru, než se myslelo. Obě vydání zapadají do trendu, který táhne celý letošní rok, totiž že převaha se přesouvá z toho, kdo má největší základní model, k tomu, kdo ho umí nejlépe doladit.
Rozdíl mezi oběma výstupy je ale poučný, a dopadá v neprospěch Groku. Cognition zveřejnila detailní technickou zprávu: jak řešila stabilitu dlouhých RL běhů, jak trénovala na klastrech přes tři kontinenty, jak model učí shrnovat vlastní postup u dlouhých úloh (self-compaction, které protahuje zvládnutelný horizont úlohy až na šest hodin), a jak bránila reward hackingu tím, že podvádějícím trajektoriím dává nulovou odměnu. Grok 4.5 proti tomu dodal zatím jen Muskův tweet a marketingovou stránku. Oba modely tvrdí velké věci o post-tréninku, ale jen jeden ukázal, jak k nim došel.
Co se výkonu týče, SWE-1.7 míří o něco níž než špička. Na FrontierCode 1.1 má 42,3 procenta (pod Opusem 4.8 se 46,5, blízko GPT-5.5 se 43), na Terminal-Bench 2.1 81,5 procenta, na SWE-Bench Multilingual 77,8. Prodává se stejně jako Grok efektivitou: srovnatelný výkon za zlomek ceny špičky, a přes Cerebras běží až 1000 tokenů za sekundu. I tady ale platí, že čísla jsou z dílny výrobce, byť Cognition u Terminal-Bench aspoň přiznává, že měřila ve vlastním rámci.
Benchmarky a překvapivě férový graf
SpaceXAI si tady zaslouží pochvalu za něco, co konkurence obvykle nedělá. Ve svém launchovém grafu ukázal čtyři benchmarky, a Grok na dvou z nich prohrává. To je vzácná míra upřímnosti v den vydání, kdy většina firem vybírá jen ta čísla, na kterých vede.
| Benchmark | Grok 4.5 | Opus 4.8 | Fable 5 | GPT-5.5 |
|---|---|---|---|---|
| DeepSWE 1.0 | 62,0 % | 55,8 % | 66,1 % | 64,3 % |
| DeepSWE 1.1 | 53 % | 59 % | 70 % | 67 % |
| Terminal-Bench 2.1 | 83,3 % | 78,9 % | 84,3 % | 83,4 % |
| SWE-Bench Pro | 64,7 % | 69,2 % | 80,4 % | 58,6 % |
Co z grafu plyne? Grok 4.5 poráží Opus 4.8 na dvou benchmarcích (DeepSWE 1.0 a Terminal-Bench) a prohrává s ním na dvou dalších (DeepSWE 1.1 o šest bodů, SWE-Bench Pro o zhruba pět), jak rozebírá nezávislá analýza. Rozdělené zhruba napůl. Označení model třídy Opus je tedy obhajitelné. Tvrzení poráží Opus, jak se launch-day zprávy často zjednodušují, už podložené není. A na všech čtyřech benchmarcích Grok 4.5 zaostává za Fable 5, což je férově vidět přímo v grafu SpaceXAI.
Co říká nezávislé měření
První nezávislé číslo dodala Artificial Analysis, firma, která modely měří a srovnává standardizovaně. Na svém souhrnném indexu inteligence dala Grok 4.5 hodnotu 54 bodů, což ho řadí na čtvrté místo ze 170 modelů v jeho cenové třídě a výrazně nad průměr (medián 28). To je nezávislé potvrzení, že za marketingem stojí opravdu silný model. Ještě zajímavější je, že Artificial Analysis nezávisle potvrdila i tu token efektivitu. A také jednu slabinu, kterou marketing nezmiňuje: latenci. Čas do první odpovědi je u Grok 4.5 zhruba 17 sekund, zatímco medián srovnatelných modelů je necelé tři. To někdy vadit bude.
Za zmínku stojí i dva technické údaje, které zpřesňují dřívější dojmy. Kontextové okno je 500 tisíc tokenů, tedy prostřední hodnota mezi tím, co mají levnější a špičkové modely. A model je multimodální, přijímá text i obrázky, výstup dává textový.
Dostupnost
Grok 4.5 je od prvního dne v Cursoru na všech tarifech, v Grok Build a přes konzoli SpaceXAI, s dočasně vyššími limity a bezplatným používáním na úvod. V Evropské unii ale zatím dostupný není, přístup se čeká až v polovině července. Pro evropské týmy to znamená počkat, nebo řešit přístup přes oklikou. Což potvrzuji, je nutné se přes VPN připojit do USA…
Shrnutí
- Grok 4.5 je nový vlajkový model SpaceXAI na 1,5bilionovém základu V9, vydaný 8. července 2026, zaměřený na programování, agentní práci a znalostní úlohy.
- První model trénovaný společně s Cursorem, jehož data z reálných vývojářských relací se přidala v doplňkovém tréninku. Jeden majitel teď drží výpočet, model, coding nástroj i zdroj dat.
- Hlavní zbraň je efektivita tokenů: SWE-Bench Pro úloha za zhruba 4,2krát méně výstupních tokenů než Opus 4.8. Cena 2/6 dolarů, prémiová varianta 4/18.
- Launchový graf je nezvykle férový. Grok prohrává na dvou ze čtyř benchmarků a na všech čtyřech zaostává za Fable 5.
- Nezávislé měření Artificial Analysis potvrdilo celkovou sílu (index 54, čtvrté místo v cenové třídě) i token efektivitu. Konkrétní coding srovnání proti Opusu jsou ale pořád od výrobce a míří na starší Opus 4.7.
- Slabinou je latence: čas do první odpovědi kolem 17 sekund, zhruba šestkrát nad mediánem.
- V EU zatím nedostupný, přístup se čeká v polovině července.
- Ve stejný den vyšel SWE-1.7 od Cognition, trénovaný z čínského Kimi K2.7. Sdílí s Grokem tezi o síle post-tréninku, ale doprovodil ji detailní technickou zprávou, kterou Grok postrádá.
Závěr
Grok 4.5 je poctivěji odprezentovaný model, než na jaké jsme u launchů zvyklí. Ukázat v den vydání i benchmarky, na kterých prohráváte, a přiznat, že Cursor data nešla do základního tréninku, je míra otevřenosti, kterou stojí za to ocenit. Skutečná zbraň modelu leží v efektivitě tokenů a v distribuci přes Cursor, kterou má SpaceXAI jako jediný, spíš než ve výšce skóre. Pro tým, který dělá agentní programování a hlídá náklady, je Grok 4.5 vážný kandidát, obzvlášť pokud už v Cursoru pracuje, protože ho tam má hned a bez tření.
Opatrný ale zůstávám u dvou věcí. Nezávislé měření Artificial Analysis sice potvrdilo sílu i efektivitu modelu, ale konkrétní coding srovnání proti Opusu jsou pořád jen od výrobce a míří na o generaci starší Opus 4.7. Než na Grok 4.5 přepnete cokoli produkčního, otestujte ho na vlastních úlohách a počítejte s vyšší latencí u interaktivní práce. A druhá věc přesahuje samotný model: vertikální integrace, kdy jeden vlastník drží compute, model, coding nástroj i data, je mocná a zároveň riskantní pro toho, kdo na tom nástroji staví. Nástroj i model, který v něm běží, teď patří stejnému majiteli, a to je úvaha, na kterou byste měli pamatovat. Zbytek prověří čas a naše codebase…