Grok 4.5 is de helft van de prijs van Claude en GPT-4, maar ik stap voorlopig nog niet over met mijn agentische codeer-loop

SpaceX heeft zojuist Grok 4.5 uitgebracht, hun eerste model dat specifiek is getraind voor coderen, voor $2 per miljoen input-tokens en $6 per miljoen output-tokens — minder dan de helft van de prijs van Anthropic’s Claude Opus. Het claimt ook betere prestaties op een software-benchmark dan het model van OpenAI, hoewel ik de ruwe cijfers van de benchmarks waar ik daadwerkelijk om geef nog niet heb gezien.

Ik draai dit jaar vrijwel dagelijks agentische codeer-loops, waarbij ik complete projecten bouw naast Claude Code. De prijs is belangrijk, omdat de kosten van een enkele codeersessie met een groot contextvenster snel oplopen. Als Grok 4.5 daadwerkelijk vergelijkbare of bijna vergelijkbare prestaties levert voor het soort meerstaps debugging- en refactoringwerk dat ik erop afstuur, dan zou $6 per miljoen output-tokens de vergelijking veranderen voor hoe vaak ik het laat draaien zonder me zorgen te maken over de rekening.

De sprong van een model dat goed scoort op SWE-bench naar een model dat bruikbaar is in een debugging-loop van 200 berichten, is nog steeds veel groter dan de benchmarks doen vermoeden. Ik heb twee weken besteed aan het bouwen van Hourly met agentisch coderen en de grootste uitdaging was niet de pure vaardigheid van het model om een functie te schrijven — het was de consistentie over meer dan 30 tool-calls heen, het weigeren te vergeten hoe de bestandsstructuur van het project eruitzag nadat de context verschoof, en hoe goed het omging met de saaie dingen zoals linting en testen zonder dat ik het elke keer moest aansturen. Een lagere prijs lost dat niet op, maar als Grok 4.5 zich op dat front staande kan houden, dan heeft Anthropic ineens een serieus prijsprobleem aan de codeerkant.

Waar ik nu op ga letten: ik ga het pluggen in een paar van mijn eigen repositories en er dezelfde meerdaagse debugging-sessie tegenaan gooien die ik met Claude heb gedaan. Als het dat aankan zonder imports te hallucineren of de draad kwijt te raken na 50 beurten, dan ga ik mijn stack heroverwegen. Tot die tijd is het gewoon de lancering van het zoveelste model met een aantrekkelijk prijskaartje.