Grok 4.5

Fiche modèle · xAI · grok-4.5

Grok 4.5 is SpaceXAI's frontier model for coding, agentic tasks, and knowledge work. Trained alongside Cursor across tens of thousands of NVIDIA GB300 GPUs, it uses large-scale reinforcement learning focused on multi-step software engineering and other technical work. The model supports text and image inputs, reasoning, function calling, structured outputs, and a 500K-token context window, and is served at 80 tokens per second.

Fiches modèles

Identité

Organisation	xAI
Pays	—
Famille	—
Type	llm
Date de sortie	2026-07-16
Licence	proprietary
Licence commerciale	non
Licence open source	non
Poids ouverts	non
Auto-hébergement (DGX Spark)	non — poids fermés
Modalités	image\|text
Fenêtre de contexte	500 000
KV cache / token (Q8)	—
Paramètres totaux	—
Paramètres actifs (session)	—
Source des paramètres actifs	—
Curation des paramètres actifs	—
Prix par session	3.20 $ (1 000 000 tokens entrée + 200 000 sortie, prix le moins cher par fournisseur)
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	51.5 M
Ratio Terminal-Bench / Data Players	42.9×
Coût / tâche (Terminal-Bench)	31.82 $
Tokens d'entraînement	—
Coupure de connaissance	2026-02-01
Créé le	2026-07-12T18:23:22.219967Z
Mis à jour le	2026-11-04T06:05:13.420382Z
Source	LLM Stats
URL	https://llm-stats.com/models/grok-4.5

Tokens/tâche

Prix par fournisseur

Prix

Statut du modèle (offres + auto-hébergement) : non.

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Fournisseur	Source	Souveraineté	Entrée (/M tok)	Sortie (/M tok)	Quantification	Contexte	Latence (s)	Débit (tok/s)	Statut
xAI	llm-stats	non	2.00 $	6.00 $	—	—	—	80.0	active

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
knowledge	42.30
physics	0.90
reasoning	13.10
science	42.30
general	9.50
agents	0.50
biology	0.90
chemistry	0.90
code	0.50
tool_calling	0.50

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
aa-omniscience-index	knowledge	126.00	200.00	0.63	non	non	2026-07-17T23:36:38.746706Z
artificial-analysis	general	0.54	1.00	0.54	non	non	2026-07-17T23:36:38.731251Z
automationbench-aa	agents	0.51	1.00	0.51	non	non	2026-07-17T23:36:38.741779Z
deepswe	code	0.53	1.00	0.53	non	oui	2026-07-17T23:36:38.721283Z
deepswe-1.0	code	0.62	1.00	0.62	non	oui	2026-11-04T06:05:13.425920Z
deepswe-1.1	code	0.54	1.00	0.54	non	non	2026-11-04T06:05:13.429234Z
frontiercode-1.1	reasoning	0.42	1.00	0.42	non	non	2026-11-04T06:05:13.442808Z
gpqa	reasoning	0.93	1.00	0.93	non	non	2026-07-17T23:36:38.744228Z
omniscience	science	0.52	1.00	0.52	non	non	2026-07-17T23:36:38.749205Z
omniscience-non-hallucination-rate	knowledge	0.46	1.00	0.46	non	non	2026-07-17T23:36:38.751687Z
swe-bench-pro	reasoning	0.65	1.00	0.65	non	oui	2026-11-04T06:05:13.438642Z
swe-marathon	code	0.29	1.00	0.29	non	oui	2026-11-04T06:05:13.432409Z
tau3-banking	agents	0.33	1.00	0.33	non	non	2026-07-17T23:36:38.739380Z
terminal-bench-2.1	reasoning	0.83	1.00	0.83	non	oui	2026-11-04T06:05:13.435331Z
terminal-bench-4.0	reasoning	0.12	1.00	0.12	non	non	2026-11-04T06:05:13.445895Z

Classements

Catégorie	Rang	Score	Note conservatrice	Benchmarks évalués	Méthode	Daté du	Provenance
knowledge	6	42.30	18.20	3	trueskill	2026-11-04T08:08:45.139626Z	rankings
agents	44	—	30.29	9	trueskill	2026-10-20	model_history
code	51	—	31.84	7	trueskill	2026-10-20	model_history

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04