Fascinerande data från @cline användare på grok-code-fast-1 kontext: "Sonic" var @xAI:s stealth-modell som vi släppte till Cline-användare för några veckor sedan. Feedbacken var ärligt talat inte bra. Fel vid användning av verktyg, resonemangsproblem, allmän otillförlitlighet. Snabbspola fram till den här veckan och sentimentet har vänt helt. användare säger att grok-code-fast "känns som en helt annan modell än den sonic jag testade" och "bättre än GPT5-Mini" De tekniska förbättringarna är anmärkningsvärda: >stor minskning av fel vid verktygsanrop >bättre resonemangsförmåga för planeringsläge, framgångsrika komplexa databasmigreringar ("märkligt smärtfria" schemaändringar) tillförlitlig kodgenerering med färre iterationer, särskilt stark med Go-programmering men här är det som är mest intressant: användare byter aktivt FRÅN gpt-5-mini TILL grok på grund av överlägsen prestanda. en användare noterade "wayyyyyyy färre verktygsanvändningsfel än Sonic vilket är den största förändringen" En annan kallade den "i nivå med Sonnet 3.5" samtidigt som den är "extraordinärt snabb" och bibehåller kvaliteten samtidigt som den levererar hastighet. Det bör noteras att Sonnet 3.5 fortfarande är en riktigt bra modell. den fria tillgången (förlängd till den 10 september) driver på ett snabbt antagande, men den långsiktiga prissättningen för en modell av denna kvalitet är positionsmässigt anmärkningsvärd: 0,20 dollar per miljon input-tokens och 1,50 dollar per miljon output-tokens Detta positionerar Grok-Code-Fast som den potentiellt mest kostnadseffektiva kodningsmodellen i Frontier-klassen även när den fria perioden är slut. Sonic to Grok-transformationen visar hur värdefull Clines komplexa verktygsanvändning, massiva kontextintag och diff-redigeringsdata är för att träna gränskodningsmodeller.