Nel giorno più affollato dell’anno per i lanci AI (il 9 luglio, insieme a GPT-5.6 e a Muse Spark di Meta), xAI ha rilasciato Grok 4.5 con una promessa esplicita di Musk: un modello “di classe Opus, ma più veloce, più efficiente e più economico”. La promessa sul prezzo è mantenuta. Quella sull’affidabilità merita un’analisi più attenta, perché nei dati indipendenti c’è un numero che le aziende non dovrebbero ignorare.

Cosa è uscito davvero

I fatti. Grok 4.5 è un modello a miscela di esperti costruito sulla base V9 da 1.500 miliardi di parametri, con contesto da 500 mila token, ed è stato addestrato in collaborazione con Cursor usando dati di sessioni reali dell’editor. Il listino: 2 dollari per milione di token in input, 6 in output, cache al 75% di sconto (0,50 dollari), con un sovrapprezzo sopra i 200 mila token di contesto.

Il posizionamento nei test indipendenti di Artificial Analysis: quarto su 168 modelli sull’Intelligence Index, con punteggio 54. Sul coding i numeri sono da primato: guida il benchmark SWE Marathon e pareggia GPT-5.5 nella harness Codex sul Coding Agent Index, a circa metà del costo per task.

Il numero scomodo: allucinazioni dal 25% al 54%

Nella stessa batteria di test, Artificial Analysis ha misurato un tasso di allucinazioni più che raddoppiato rispetto a Grok 4.3: dal 25% al 54% nel loro protocollo. Va letto per quello che è: non significa che metà delle risposte quotidiane siano inventate, ma che nelle condizioni del test (domande fattuali dove la risposta corretta sarebbe spesso “non lo so”) il modello inventa molto più volentieri del suo predecessore.

È il pattern classico del modello ottimizzato per essere brillante e veloce: la stessa spinta che lo rende efficace sul codice lo rende più disinvolto sui fatti. E per un’azienda la lettura è chiara: il campo di applicazione va scelto in base a dove finisce l’output.

Dove ha senso in azienda

Tre casi concreti in cui il profilo di Grok 4.5 funziona. Il coding assistito ad alto volume, dove il pareggio con GPT-5.5 a metà costo per task è un argomento vero e l’errore lo intercettano i test. La generazione di bozze e varianti (email, descrizioni, proposte) che passano comunque da una persona. I flussi agentici interni dove conta il costo per operazione e l’output alimenta un passaggio successivo verificato.

Dove invece aspetteremmo dati migliori: assistenza clienti senza revisione, estrazione di dati fattuali critici, qualsiasi cosa vada in pubblicazione diretta. Su questi il confronto resta con i modelli che dominano l’affidabilità, e la griglia aggiornata è nella nostra guida ai migliori LLM per il coding e nel confronto Perplexity contro Grok per la parte di ricerca e risposta fattuale.

Il quadro

Con Luna di OpenAI a 1 dollaro, Grok 4.5 a 2 e Muse Spark di Meta a 1,25, la fascia “frontier economico” è diventata in una settimana il segmento più combattuto del mercato. È una notizia ottima per chi compra, a una condizione: che la scelta si faccia sul costo per risultato corretto, non sul costo per token. Un modello che costa la metà e sbaglia il doppio non è uno sconto.

In sostanza: Grok 4.5 è un attrezzo specializzato con un ottimo rapporto prezzo/prestazioni sul coding e un profilo di affidabilità da maneggiare con consapevolezza. Se stai valutando dove inserirlo (e dove no) nel tuo stack, parlaci del tuo progetto.

Domande frequenti

2 dollari per milione di token in input e 6 in output, con input in cache a 0,50 dollari (sconto del 75%) e un sovrapprezzo oltre i 200 mila token di contesto. È la fascia economica dei modelli di frontiera: meno della metà di GPT-5.6 Sol (5/30) e un quinto abbondante di Claude Fable 5 (10/50). Sull'Intelligence Index di Artificial Analysis si piazza quarto su 168 modelli con punteggio 54.

Sui benchmark sì: guida il benchmark SWE Marathon e pareggia GPT-5.5 sul Coding Agent Index nella harness Codex, a circa metà del costo per task. Il modello è stato addestrato insieme a Cursor, su dati di sessioni reali dell'editor: sul coding assistito è un candidato serio, specie dove il costo per attività conta. Il contesto è di 500 mila token, sotto il milione dei rivali.

I test indipendenti di Artificial Analysis hanno misurato un tasso di allucinazioni più che raddoppiato rispetto a Grok 4.3: dal 25% al 54% nel loro protocollo di test. Non significa che metà delle risposte siano inventate nell'uso reale, ma che nelle condizioni del test (domande fattuali dove il modello dovrebbe ammettere di non sapere) inventa più spesso della versione precedente. Per usi dove i fatti contano (documenti, dati, assistenza clienti) è un segnale da prendere sul serio e da verificare sul proprio caso.

Coding assistito ad alto volume, generazione di bozze che passano comunque da revisione umana, compiti dove il costo per operazione domina e l'errore fattuale si intercetta a valle. Lo sconsigliamo, in attesa di dati migliori, dove l'output va verso clienti o decisioni senza revisione: il risparmio sul token non ripaga un errore fattuale che arriva in produzione.