Grok 4.5 против Claude Code: Принятые изменения на доллар — настоящий ориентир

Запуск Grok 4.5 от xAI (53% на DeepSWE 1.1 против 59% у Opus 4.8, 29.0% pass@1 на SWE Marathon против 26.0%, 80 токенов/с при $2/M за ввод, $6/M за вывод) стоит рассматривать как практическое сравнение с Claude Code, а не очередную заявку в лидерборде. Правильная метрика для разработчиков, использующих ИИ-агентов кодинга, — принятые изменения за доллар при одинаковом репозитории, промпте, разрешениях инструментов, тестовой команде, тайм-ауте и планке проверки.

Ключевые детали

Grok 4.5 доступен в Grok Build, Cursor и через API. Он поддерживает низкий, средний и высокий режимы рассуждения. Однако сторонний тест от 20 июля (через The New Stack) запускал Grok и Opus в режиме Cursor Agent на трех идентичных Rust-задачах:

• Исправление ошибки: Оба прошли начальные тесты.
• Многофайловый рефакторинг: Оба справились, но Opus затронул на один файл больше.
• Разработка функции (самый практичный тест): Оба сработали, но Opus добавил больше тестового покрытия и написал запись в man-страницу.

Дополнительные касания Opus важны для метрики «принятые изменения за доллар»: более дешевая модель, требующая одного дополнительного цикла доработок, может оказаться не дешевле. Сообщество рекомендует логировать: успех первого теста, количество доработок, выходные токены, реальное время и исправления рецензента.

Для кого это

Для всех, кто использует Claude Code, Cursor или Grok Build для агентного кодинга и хочет оценить полную стоимость доставленных изменений.