TL;DR
- Wat: xAI bracht Grok 4.5 uit, een AI-model dat op enkele softwarebenchmarks net boven Anthropics Fable 5 scoort — maar op de meeste nog achterloopt.
- Waarom relevant: De prijs per taak ligt tot 80-90% lager dan bij vergelijkbare topmodellen, wat AI-tooling voor het MKB een stuk betaalbaarder kan maken.
- Wat je ermee kunt: Inventariseer of je huidige AI-tools (voor code, tekst of automatisering) ook op een goedkoper model kunnen draaien zonder kwaliteitsverlies.
Elon Musk postte afgelopen week dat Grok 4.5 op sommige softwarebenchmarks net boven Fable scoort — een model dat op dit moment als een van de sterkste ter wereld geldt. Ik vond dat een opvallende claim, dus ik dook in de cijfers. Wat ik tegenkwam is een genuanceerder verhaal dan die ene tweet suggereert, maar wel een dat interessant is als je als ondernemer met AI-kosten te maken hebt.
Wat is er precies uitgebracht?
Op 8 juli 2026 lanceerde xAI (het AI-bedrijf achter het X-platform) Grok 4.5. Het is hun eerste model dat specifiek is getraind voor softwareontwikkeling en zogenaamde 'agentische taken' — dat zijn taken waarbij de AI zelfstandig meerdere stappen uitvoert, zoals code schrijven, testen en aanpassen.
Het model is getraind op tienduizenden Nvidia GB300-chips en maakt gebruik van een zogeheten mixture-of-experts architectuur. Simpel gezegd: in plaats van één groot netwerk dat alles doet, worden vragen doorgestuurd naar gespecialiseerde subnetwerken. Vergelijk het met een bedrijf waar niet één generalist alles doet, maar waar vragen naar de juiste specialist worden gerouteerd.
De prijsstelling is opvallend: $2 per miljoen inputtokens en $6 per miljoen outputtokens. Ter vergelijking: Fable 5 van Anthropic kost $10 input en $50 output per miljoen tokens. Dat is een factor vijf tot acht verschil.
Hoe sterk is het echt? De benchmarks ontleed
Dit is waar het interessant wordt — en waar Musks tweet wat context verdient. Hij schreef dat Grok 4.5 op "some software benchmarks" net boven Fable scoort. Dat klopt technisch, maar het is niet het hele plaatje.
Op Terminal Bench 2.1 scoort Grok 4.5 inderdaad 83,3% tegenover Fable's 84,3% — vrijwel gelijk. Op SWE Marathon haalt Grok 4.5 een resolutiesnelheid van 29,0% tegenover 26,0% voor Opus 4.8 — hier loopt het daadwerkelijk voor.
Maar op andere benchmarks is het verschil groter:
| Benchmark | Fable 5 | Grok 4.5 |
|---|---|---|
| DeepSWE 1.0 | 66,1% | 62,0% |
| DeepSWE 1.1 | 70% | 53% |
| SWE Bench Pro | 80,4% | 64,7% |
| Terminal Bench 2.1 | 84,3% | 83,3% |
Op de Artificial Analysis Intelligence Index — een brede maatstaf — staat Grok 4.5 op plek vier met een score van 54, achter Fable 5 (60), Opus 4.8 (56) en GPT-5.5 (55).
Ik vind het eerlijk gezegd knap dat xAI met hun eerste echte codeermodel zo dicht bij de top komt. Maar de claim dat het "boven Fable scoort" is selectief — het geldt voor een paar specifieke tests, niet voor het totaalbeeld.
De kanttekening: hallucinaties zijn verdubbeld
Eén ding dat mij opviel in de onafhankelijke tests: het hallucinatiepercentage van Grok 4.5 ligt op 54% op de AA-Omniscience Index. Bij de vorige versie (Grok 4.3) was dat 25%. Dat is een verdubbeling.
Wat betekent dat concreet? Het model is vaker correct dan zijn voorganger — de nauwkeurigheid steeg van 35% naar 52% — maar wanneer het er naast zit, klinkt het zekerder dan ooit. Voor een ondernemer is dat een risico dat je moet kennen. Stel dat je Grok 4.5 inzet om contractteksten samen te vatten of financiële gegevens te verwerken: een model dat vol zelfvertrouwen een fout antwoord geeft, is gevaarlijker dan een model dat aangeeft het niet te weten.
Dit is geen reden om het model af te schrijven, maar wel om te weten waarvoor je het inzet. Voor interne code-assistentie of het automatiseren van repetitieve taken kan dat prima werken. Voor klantgerichte of juridische toepassingen zou ik altijd een menselijke controlelaag willen.
Wat betekent dit voor een ondernemer?
Ik denk dat het echte verhaal hier niet de benchmarkscores zijn, maar de prijs. Als Grok 4.5 op veel taken 80 tot 90 procent van de kwaliteit levert tegen een fractie van de kosten, wordt AI-tooling voor veel meer bedrijven bereikbaar.
Kun je je voorstellen wat dat betekent als je bijvoorbeeld een softwarebedrijf runt met vijf ontwikkelaars? Of als je een e-commercebedrijf hebt dat dagelijks honderden productbeschrijvingen genereert? Het verschil tussen $50 en $6 per miljoen outputtokens is bij volume niet triviaal — dat kan het verschil zijn tussen "te duur om te automatiseren" en "laten we het proberen".
Daarnaast is er nog een efficiëntie-argument: Grok 4.5 gebruikt gemiddeld 4,2 keer minder tokens per taak dan Opus 4.8. Minder tokens betekent niet alleen lagere kosten, maar ook snellere responstijden — en dat merk je als eindgebruiker.
Waar past het wel en niet?
De lijn die ik uit de analyses haal:
- Wel geschikt: interne code-assistentie, bulkmatige tekstgeneratie, geautomatiseerde workflows waar kosten per taak belangrijk zijn
- Voorzichtig mee: klantgerichte communicatie, juridische of financiële content, situaties waar feitelijke nauwkeurigheid cruciaal is
Concurrentie op prijs verandert de markt
Wat mij hier het meest opvalt, is het patroon. De strategie van xAI lijkt op wat we eerder zagen bij Chinese AI-aanbieders: lever vergelijkbare prestaties, maar concurreer agressief op prijs. Het dwingt de gevestigde spelers — Anthropic, OpenAI — om na te denken over hun prijsmodellen.
Voor jou als ondernemer is dat goed nieuws, ongeacht welk model je uiteindelijk kiest. Meer concurrentie op prijs betekent dat de kosten van AI-tooling de komende maanden waarschijnlijk verder dalen. En dat maakt het makkelijker om te experimenteren zonder meteen een groot budget vrij te maken.
Voor mij is dit vooral een signaal dat de AI-markt volwassener wordt. Het gaat niet meer alleen om wie de hoogste benchmarkscore haalt, maar om wie de beste verhouding levert tussen prestatie, prijs en betrouwbaarheid. En dat is precies het soort afweging dat ondernemers gewend zijn te maken.