Claude Opus 5.5 vs. Grok 4.7: který se reálně vyplatí (září 2026)

Dva nové hraniční modely vyšly ve stejném týdnu září 2026 a okamžitě nastolily novou referenční rovinu. Anthropic uvedl Claude Opus 5.5, xAI odpověděl Grok 4.7. Srovnání vychází z jednotné sady metrik: souhrnný index inteligence, tři specializované benchmarky a cena za milion tokenů. Data odrážejí stav k 22. září 2026, kdy oba modely byly k dispozici pro komerční použití.

Souhrnné indexy: inteligence.

Hloubkové benchmarky: HLE, SciCode, LCR.

Duel v kontextu celého pole: cena (log) vs. Intelligence Index.

Co ukazují souhrnná data

Claude Opus 5.5 dosahuje indexu inteligence 57,6, Grok 4.7 se zastaví na 46,4. Rozdíl 11,2 bodu potvrzuje jasné vedení Clauda v celkovém hodnocení. U hloubkových benchmarků Claude vede ve všech třech: HLE měří expertní otázky napříč obory, kde Claude dosahuje 61,4 % a Grok 43,1 %. SciCode testuje programování vědeckých algoritmů, zde Claude 66,9 % proti 57,4 %. LCR posuzuje porozumění dlouhému kontextu, Claude 84,7 %, Grok 76,7 %. Největší náskok Clauda je v HLE s 18,3 procentním bodem, což signalizuje silnější schopnost syntetizovat znalosti napříč disciplínami.

Cenově je Grok 4.7 výrazně přístupnější: 3 USD za milion tokenů proti 8 USD u Clauda. Poměr cen 2,7× znamená, že za cenu jednoho volání Clauda lze získat téměř tři volání Groku. Pro aplikace s vysokým objemem tokenů a menšími nároky na hloubkový rozum může tato diference být rozhodující.

Kritická interpretace výsledků

Index inteligence a benchmarky jsou laboratorní měření. HLE testuje odpovědi na expertní otázky, což koreluje s vědeckým výzkumem a strategickým plánováním, ale ne zaručuje spolehlivost v produkci. SciCode měří implementaci vědeckých algoritmů · relevantní pro vývoj simulací a numerických knihoven, méně pro běžné aplikační kódování. LCR s 84,7 % Clauda a 76,7 % Groku ukazuje, že oba modely dobře drží kontext stovek tisíc tokenů, rozdíl osm procentních bodů se v praxi projeví jen u nejdelších dokumentů nebo velmi složitých instrukcí.

Podle mediálního monitoringu Anthropic prohlásil, že Opus 5.5 dosahuje úrovně Fable 5.1 při 40 % nižších nákladech než Opus 5. Ars Technica mluví o „fázi porovnávání nákupů“, Simon Willison poznamenal, že oba modely vyšly ve stejném dni jako GPT-6 Sol a Luna. Tyto informace kontextualizují data: trh se posouvá k dostupnějším variantám topové inteligence, ale benchmarky samy o sobě neodhalují latenci, dostupnost API ani stabilitu výstupů v reálném provozu.

Co z toho plyne pro praxi

Pro české firmy a organizace platí: pokud je rozhodující maximální kvalita výstupu při složitých analytických úlohách, vědeckém výzkumu nebo dlouhých dokumentech s náročné instrukcí, Claude Opus 5.5 je jasná volba navzdory vyšší ceně. Pokud jde o masové zpracování textu, klasifikaci, extrakci nebo generování obsahu, kde stačí dobrá a ne nejlepší inteligence, Grok 4.7 nabízí výrazně lepší poměr výkonu k nákladům. Hybridní strategie · Claude pro kritické kroky, Grok pro objemové předzpracování · může být pro mnoho týmů optimální.

Doporučujeme pilotní test na reprezentativní sadě vlastních úkolů. Benchmarky dávají směr, ale konkrétní promptování, formát výstupu a integrační omezení často mění pořadí modelů v reálném nasazení.