Ngày 10/7/2026 trở thành một trong những ngày ra mắt model AI sôi động nhất năm khi GPT-5.6 và Grok 4.5 cùng lên kệ trong vòng 24 giờ. Trong khi GPT-5.6 đã nhận nhiều sự chú ý, Grok 4.5 từ SpaceXAI (tên mới của xAI sau khi tái cấu trúc ngày 6/7) lại là câu chuyện hấp dẫn hơn nhiều khi xét về giá và hiệu suất token.
Mình đã theo dõi benchmark từ Artificial Analysis, METR và SWE-bench kể từ khi model mở truy cập công khai. Kết quả cho thấy Grok 4.5 không đánh bại Claude Fable 5 hay Opus 4.8 về điểm số tuyệt đối, nhưng nó cung cấp giá trị trên từng đồng chi phí tốt hơn bất kỳ model nào trong top 5 hiện tại. Bài này sẽ phân tích chi tiết điều đó.
Grok 4.5 la gi va tai sao no dang chu y?
Grok 4.5 là model AI mới nhất từ SpaceXAI, được xây dựng trên kiến trúc V9 với 1.500 tỷ parameter. Model xếp hạng 4 trên 168 model tại Artificial Analysis Intelligence Index với điểm 54, đứng sau Claude Fable 5, GPT-5.6 Sol và Claude Opus 4.8. Điểm gây chú ý nằm ở mức giá: chỉ $2 cho input và $6 cho output mỗi triệu token, thấp thứ hai trong nhóm top model, chỉ xếp sau GPT-5.6 Luna.
So với Grok 4.3, bản 4.5 cải thiện đáng kể khả năng agentic coding và tool-use. SpaceXAI tuyên bố đạt hiệu suất “gần Opus”, và dữ liệu độc lập từ Artificial Analysis phần lớn xác nhận nhận định này ở cấp độ tổng thể, dù có những sắc thái quan trọng mà mình sẽ phân tích bên dưới.
Grok 4.5 so voi Claude Opus 4.8 ai hon?
Đây là so sánh mà nhiều người quan tâm nhất. Trên SWE-bench Pro — benchmark dự đoán tốt nhất khả năng coding thực tế đa file — Grok 4.5 đạt 64.7%, vượt GPT-5.5 (58.6%) nhưng thua Opus 4.8 (69.2%) và Fable 5 (80.4%). Trên Terminal-Bench 2.1, Grok 4.5 ghi 83.3%, cao hơn Opus 4.8. Tóm lại, “Opus-class” là mô tả đúng ở mức phân tầng, nhưng “đánh bại Opus” thì không hoàn toàn chính xác theo chính biểu đồ mà SpaceXAI công bố.
Tuy nhiên, câu chuyện thực sự không nằm ở điểm số mà ở token efficiency. Grok 4.5 chỉ dùng trung bình 15.954 output token để hoàn thành một task SWE-bench Pro, so với 67.020 token của Opus 4.8 — chênh lệch 4.2 lần. Với giá output $6/M so với $25/M của Opus 4.8, chi phí thực tế trên mỗi task hoàn thành của Grok 4.5 tương đương Opus 4.8 ở mức benchmark thấp hơn. Đó là phép toán mà mọi team developer cần xem xét.
Grok 4.5 co diem yeu gi khong?
Điểm yếu rõ ràng nhất là context window. Grok 4.5 chỉ hỗ trợ 500K token, giảm mạnh so với 1 triệu token của Grok 4.3. Nếu bạn làm việc với codebase lớn, phân tích tài liệu dài hoặc tổng hợp nhiều tài liệu cùng lúc, giới hạn này sẽ ảnh hưởng trực tiếp. Claude Sonnet 5 và GPT-5.6 Sol đều vượt mốc 1 triệu token.
Thứ hai, Cursor — đối tác coding chính của SpaceXAI — đã thừa nhận một snapshot codebase cũ vô tình lọt vào dữ liệu training của Grok 4.5. Điều này có thể làm tăng điểm CursorBench mà không phản ánh khả năng tổng thể. Thứ ba, model chưa có tại EU khi ra mắt, hạn chế đáng kể đối với team quốc tế. Cuối cùng, Elon Musk đính chính rằng so sánh “gần Opus” thực chất nói về Opus 4.7, không phải 4.8.
Co nen chuyen sang Grok 4.5 cho cong viec coding khong?
Câu trả lời phụ thuộc vào use case. Nếu bạn cần coding agentic ở mức trung bình đến cao, ưu tiên chi phí, Grok 4.5 là lựa chọn tốt nhất hiện nay xét về intelligence-per-dollar. Khả năng tool-use tốt nhất trong mọi model được kiểm tra, và hiệu suất token khiến chi phí thực tế rất cạnh tranh.
Nếu bạn cần xử lý tài liệu dài trên 500K token, phân tích codebase lớn hoặc cần độ chính xác cao nhất trên task multi-file phức tạp, Claude Fable 5 vẫn là lựa chọn hàng đầu với 80.4% SWE-bench Pro — con số chưa ai vượt qua. GPT-5.6 Sol lại dẫn đầu Terminal-Bench 2.1 với 88.8%. Mỗi model có thế mạnh riêng, và việc chọn đúng model cho đúng task quan trọng hơn việc chọn “model tốt nhất toàn diện”.
Grok 4.5 vs GPT-5.6 Luna chon ai cho gia re?
Cả hai đều nhắm đến phân khúc giá thấp. GPT-5.6 Luna có giá output $6/M giống Grok 4.5, nhưng giá input chỉ $1/M so với $2/M. Tuy nhiên, Luna chỉ đạt 41.3% trên Nerova long-context recall — quá thấp cho bất kỳ tác vụ nào cần đọc tài liệu dài. Grok 4.5 vượt Luna rõ ràng về chất lượng tổng thể.
Nếu chỉ cần xử lý task đơn giản với volume lớn, Luna vẫn rẻ hơn. Nhưng nếu cần chất lượng coding thực tế, Grok 4.5 thắng tuyệt đối ở cùng mức giá output. Mình đánh giá Terra ($2.50/$15/M) mới là đối thủ thực sự của Grok 4.5, không phải Luna.
Ket luan: Grok 4.5 co dang dung khong?
Grok 4.5 không phải model tốt nhất tháng 7/2026, nhưng nó là model giá trị nhất trong top 5. Điểm số SWE-bench Pro nằm ở mức trung bình cao, Terminal-Bench rất ấn tượng, và token efficiency xuất sắc. Giới hạn context window 500K là điểm yếu lớn nhất, nhưng với nhiều use case coding thông thường, bạn hiếm khi cần đến ngưỡng đó.
Nhìn rộng hơn, cuộc đua model AI tháng 7/2026 đang nóng lên từng tuần. SpaceXAI chứng minh họ có thể cạnh tranh về chất lượng với giá thấp hơn đáng kể, điều mà LongCat-2.0 của Meituan cũng đang làm từ phía Trung Quốc. Cạnh tranh về giá sẽ đẩy toàn bộ ngành tiến nhanh hơn, và người hưởng lợi cuối cùng là developer và business dùng AI. Theo dõi thêm về GPT-5.6 Sol/Terra/Luna và Claude trong Slack để có góc nhìn toàn cảnh về thị trường AI nửa sau 2026.
