Объяснение Grok 4.5: бенчмарки кодирования, 80 TPS, эффективность токенов и ценообразование API

Введение

Grok 4.5 возвращает xAI в число лидеров в гонке моделей для программирования.

Выпущенная 8 июля 2026 года, модель предназначена для разработки программного обеспечения, агентных задач и более широкой интеллектуальной работы. Она была обучена с использованием Cursor и теперь доступна через xAI API, Grok Build и Cursor. Главная новость — не только качество модели. Grok 4.5 также позиционируется за счет более быстрой обработки, меньшего количества генерируемых токенов и сниженной стоимости за выполненную задачу.

В официальной документации модели указаны контекстное окно в 500 000 токенов, ввод текста и изображений, настраиваемые рассуждения, вызов функций, поддержка структурированных результатов и цены API: 2 доллара за миллион входных токенов и 6 долларов за миллион выходных токенов.

В этой статье объясняется, где Grok 4.5 показывает хорошие результаты, как следует интерпретировать заявления об эффективности, что изменилось в обучении и почему окружающий стек вывода может стать таким же важным, как сама модель.

Grok получает собственную модель для программирования уровня Opus

Grok 4.5 — флагманская модель xAI для программирования, агентной работы и общих компьютерных интеллектуальных задач. В официальных материалах о запуске она описывается как модель, способная выполнять длительные задачи, использовать инструменты, исправлять ошибки и проверять результаты, а не останавливаться после одного ответа.

Это ставит ее в ту же широкую категорию, что и высококлассные модели, используемые для автономного программирования, изменений на уровне репозиториев, технических исследований, анализа данных и многоэтапных офисных рабочих процессов.

Основные характеристики модели

Контекстное окно в 500K токенов достаточно велико для больших баз кода, длинных технических документов, многофайловых исследований и длинных историй агентов. Большое контекстное окно автоматически не гарантирует лучших результатов, но дает инструментам больше возможностей для предоставления соответствующего исходного материала без агрессивного усечения.

Результаты бенчмарков программирования

В официальном объявлении xAI публикуются результаты нескольких оценок по разработке ПО. Grok 4.5 не является лучшей моделью во всех бенчмарках, но остается конкурентоспособной с другими передовыми системами.

Opus 4.8 max 59% |
| Terminal-Bench 2.1 | 83.3% | Fable max 84.3%; GPT-5.5 xhigh 83.4%; Opus 4.8 max 78.9% |
| SWE-Bench Pro | 64.7% | Fable max 80.4%; Opus 4.8 max 69.2%; Opus 4.7 max 64.3% |
| SWE Marathon | 29.0% | Opus 4.8 max 26.0%; Fable max 24.0%; Opus 4.7 max 16.0% |

Эти цифры указывают на то, что модель особенно сильна в работе с терминалом, решении практических инженерных задач и длительных агентных процессах. Однако к ним следует относиться с осторожностью. На результаты могут влиять тестовые среды, настройки рассуждений, доступ к инструментам и конфигурации конкретных провайдеров.

Cursor также сообщил, что старая версия кодовой базы Cursor случайно попала в обучающие данные, что могло повлиять на CursorBench. Компания исключила этот бенчмарк из публичного сравнения и заявила, что эти данные не будут использоваться для будущих моделей.

Более быстрое обслуживание и меньшее использование токенов

Самое практическое утверждение относительно Grok 4.5 — это эффективность.

xAI заявляет, что модель обслуживается со скоростью до 80 токенов в секунду. Этого достаточно, чтобы длительные цепочки рассуждений, редактирование репозиториев и итеративные агентные циклы ощущались более отзывчивыми по сравнению с медленными премиальными моделями.

Компания также сообщает, что Grok 4.5 использовал в среднем 15 954 выходных токена на задачу SWE-Bench Pro, в то время как Opus 4.8 на максимальной настройке — 67 020 выходных токенов. Это примерно в 4,2 раза меньше выходных токенов на измеряемую рабочую нагрузку.

Эффективность токенов важна по трем причинам:

1. Меньшая задержка: меньшее количество сгенерированных токенов обычно означает более быстрое выполнение задачи.
2. Более низкая стоимость API: выходные токены часто дороже входных.
3. Более короткие агентные циклы: лаконичные рассуждения могут сократить время на передачу больших историй между инструментами.

Важным показателем является не просто цена за миллион токенов. Командам следует сравнивать стоимость выполнения одной и той же задачи с приемлемым уровнем качества. Модель с более высокой заявленной ценой за токен может оказаться дешевле, если ей требуется меньше попыток, меньше вызовов инструментов или меньше

сгенерированные токены.

Ценообразование API

Базовая цена API составляет:

Cursor также предлагает более быстрый вариант по цене $4 за миллион входных токенов и $18 за миллион выходных токенов в рамках собственного предложения моделей. Цены и доступность могут различаться в зависимости от платформы, поэтому производственным командам следует уточнить тариф в среде, которую они фактически используют.

От генерации кода к полным рабочим процессам

Grok 4.5 призван делать больше, чем просто завершать функцию или объяснять ошибку. Официальные примеры включают:

• Создание симуляции Солнечной системы по одному запросу
• Разработку комплексных веб-приложений
• Создание слайдов PowerPoint с нативными фигурами
• Построение многолистовых табличных моделей
• Работу над задачами в области разработки ПО, финансов, юриспруденции и исследований
• Использование инструментов в ходе длительных сессий агента

Демонстрация Солнечной системы полезна, поскольку она объединяет дизайн, фронтенд-код, 3D-рендеринг, элементы управления и логику взаимодействия. Это не является доказательством того, что любое приложение, созданное по одному запросу, будет готово к production, но это показывает тип комплексной задачи, для решения которой оптимизируется модель.

Grok 4.5 также распространяется на офисную работу. В анонсирующих материалах он создает структурированные слайды для бизнес-обзоров и работает с электронными таблицами, включающими формулы, веб-исследования и несколько листов.

Для команд разработчиков практический рабочий процесс может выглядеть следующим образом:

1. Предоставьте Grok 4.5 контекст репозитория и четко определенную задачу.
2. Позвольте ему проверить файлы, внести изменения и выполнить команды валидации.
3. Потребуйте предоставить краткую сводку изменений и доказательства из тестов.
4. Проверьте изменения с участием человека или второй модели перед слиянием.
5. Оставьте производственный деплой и чувствительные операции за явным утверждением.

Модель может быть быстрой и способной, но при этом все равно порождать ошибочные предположения, небезопасные изменения или неполную валидацию. Наилучшее применение моделей для кодинга в роли агента — это обычно структурированная автоматизация с видимыми доказательствами, а не неограниченная автономия.

Повышение эффективности обусловлено другой стратегией обучения

Повышение эффективности не представлено как простая оптимизация обслуживания. И xAI, и Cursor описывают изменения в архитектуре модели, подготовке данных, обучении с подкреплением и распределенном обучении.

Смесь экспертов

Архитектура

Cursor описывает Grok 4.5 как экспертную модель на основе смеси (MoE). В системе MoE для каждого токена или задачи активируется только часть сети. Это позволяет увеличить общую ёмкость модели, не требуя участия всех параметров в каждом этапе вычислений.

Официальные источники не публикуют достаточно деталей реализации, чтобы точно рассчитать количество вычислений на токен. Поэтому корректнее сосредоточиться на измеряемых характеристиках — скорости, качестве бенчмарков и потреблении токенов, — чем строить предположения о производительности на основе неподтверждённого числа параметров.

Обучение в масштабе GB300

xAI утверждает, что Grok 4.5 обучалась на десятках тысяч GPU NVIDIA GB300. Обучение в таком масштабе требует не только мощного оборудования. Длительные сессии нуждаются в стабильных распределённых системах, восстановлении после контрольных точек, сетевой инфраструктуре, конвейерах данных и мониторинге, способном поддерживать продуктивность тысяч ускорителей.

В анонсе подчёркиваются методы обеспечения стабильности, разработанные для масштабных процессов обучения. Это важно, так как сбой в длительном эксперименте может привести к значительным потерям вычислительных ресурсов, если система не способна эффективно восстанавливаться.

Более качественные данные, а не просто больше токенов

Конвейер обучения включал:

• Масштабную дедупликацию
• Оценку качества
• Тематическую фильтрацию
• Отбор данных с высоким уровнем сигнала
• Расширенный набор материалов по программированию, науке, инженерии, математике и интеллектуальному труду

Цель — повысить плотность полезных обучающих сигналов, а не полагаться исключительно на сырой объём токенов. Повторяющиеся, некачественные или слабо релевантные данные могут увеличить затраты на обучение, не давая такого же прироста, как тщательно отобранные примеры.

Данные взаимодействия Cursor

Cursor сообщает, что модель обучалась на триллионах токенов данных Cursor. По данным компании, набор данных включает взаимодействия пользователей, кодовых баз, программных инструментов и агентов.

Это различие важно. База кода обучает синтаксису, шаблонам, библиотекам и типовым реализациям. Данные взаимодействий позволяют также изучать последовательность работы:

• Как разработчик изучает незнакомый репозиторий
• Какие файлы он открывает перед внесением изменений
• Как реагирует на сбои тестов
• Когда использует команды терминала
• Как изменяет патч после получения обратной связи
• Как агент взаимодействует с инструментами и окружением

Это объясняет, почему Grok 4.5 позиционируется для задач программной инженерии, а не просто для изолированного автодополнения кода.

Обучение с подкреплением на сложных реалистичных задачах

xAI заявляет, что программа обучения с подкреплением охватывает сотни тысяч задач, с акцентом на многоэтапную программную инженерию и другие технические виды деятельности.

Cursor описывает среды, которые обучают модель:

1. Исследовать проблему
2. Использовать инструменты
3. Восстанавливаться после ошибок
4. Проверять результат
5. Продолжать работу в течение длительных сессий

Компании также создали распределённые системы агентов для массовой генерации, тестирования и совершенствования этих сред обучения. Некоторые запуски агентов могут длиться часами, в то время как более масштабный процесс обучения продолжается асинхронно.

Это существенное изменение по сравнению с узкой оптимизацией под бенчмарки. Модель обучается не только давать правильный конечный ответ, но и проходить путь, который к нему приводит.

Обращение к одному.

Ещё кое-что: системная инженерия может стать следующим полем битвы

Веса модели — лишь одна из составляющих конечного продукта.

В публичном заявлении Илон Маск сообщил, что Grok 4.5 ещё не использует внутреннее программное обеспечение для инференса на C/C++, разработанное xAI специально для оборудования GB300. Он предположил, что оптимизированный стек потенциально может удвоить скорость обработки или даже улучшить её.

Это скорее перспективное заявление, а не подтверждённый производственный результат, поэтому не следует воспринимать его как гарантированную производительность. Тем не менее, оно указывает направление, в котором движется конкуренция моделей.

Когда ведущие модели становятся сопоставимы по качеству бенчмарков, окружающая система может создать практическое преимущество:

• Оптимизация ядра и компилятора
• Планирование запросов
• Маршрутизация в архитектуре смеси экспертов
• Квантование
• Управление памятью
• Кэширование подсказок
• Пакетная обработка
• Специализированный код инференса для оборудования
• Оркестрация агентов
• Задержка и надёжность инструментов

Для пользователей это означает, что сравнение моделей должно включать не только показатель интеллекта. Модель, которая отвечает быстрее, генерирует меньше токенов, эффективно использует кэширование и выполняет задачи с меньшим количеством повторов, может обеспечить лучшую практическую ценность, даже если другая модель лидирует в бенчмарке.

Начало работы с API Grok 4.5

Grok 4.5 доступен через Responses API от xAI. В следующем примере на Python используется интерфейс клиента, совместимый с OpenAI:

import os
from openai import OpenAI

api_key = os.environ.get("XAI_API_KEY")
if not api_key:
    raise RuntimeError("Сначала задайте переменную окружения XAI_API_KEY.")

client = OpenAI(
    api_key=api_key,
    base_url="https://api.x.ai/v1",
)

response = client.responses.create(
    model="grok-4.5",
    input=(
        "Проверьте эту функцию JavaScript, исправьте ошибку "
        "и объясните изменение: "
        "function median(values) { values.sort(); "
        "return values[values.length / 2]; }"
    ),
)

print(response.output_text)

Перед использованием модели в production:

1. Храните API-ключ в переменной окружения или менеджере секретов.
2. Добавьте обработку таймаутов и повторных попыток.
3. Логируйте использование токенов и общую стоимость запроса.
4. Проверяйте вызовы инструментов перед выполнением.
5. Требуйте подтверждения для деструктивных действий или действий, влияющих на production.
6. Закрепляйте версию модели с датой, если важна детерминированность поведения.

Часто задаваемые вопросы

Что такое Grok 4.5?

Grok 4.5 — это ведущая модель xAI для программирования, агентных задач и интеллектуальной работы. Она поддерживает ввод текста и изображений, настраиваемое рассуждение, вызов функций и структурированные выходные данные.

Какой размер контекстного окна у Grok 4.5?

Официальная документация xAI указывает контекстное окно в 500 000 токенов. Фактический используемый контекст может зависеть от формата запроса, вывода инструментов и ограничений платформы.

Сколько стоит API Grok 4.5?

Опубликованная базовая цена составляет 2 доллара за

миллион входных токенов — $0,50 за миллион кэшированных входных токенов и $6 за миллион выходных токенов. Платформенные варианты или приоритетное обслуживание могут использовать другие тарифы.

Лучше ли Grok 4.5, чем Claude Opus, для программирования?

Ответ зависит от теста и рабочего процесса. Grok 4.5 конкурентоспособен в нескольких инженерных тестах и лидирует в некоторых сравнениях, в то время как другие модели остаются впереди в других. Скорость, использование токенов, надежность инструментов и стоимость выполнения задач следует оценивать вместе с результатами тестов.

Почему Grok 4.5 описывается как эффективный по токенам?

xAI сообщает, что Grok 4.5 в среднем использовал 15 954 выходных токена на задачу SWE-Bench Pro, по сравнению с 67 020 для Opus 4.8 при максимальных настройках. Это примерно в 4,2 раза меньше выходных токенов для измеряемой нагрузки.

Может ли Grok 4.5 обрабатывать изображения?

Да. На официальной странице модели указаны ввод текста и изображений с выводом текста. Это делает его подходящим для таких задач, как анализ скриншотов, проверка документов и визуальный контекст в рамках агентного рабочего процесса.

Доступен ли Grok 4.5 в Cursor?

Да. Cursor сообщает, что Grok 4.5 доступен на десктопе, вебе, iOS, CLI и через SDK. Лимиты использования и цены зависят от выбранного плана Cursor.

Подходит ли Grok 4.5 для производственных агентов?

Его можно использовать в качестве модели рассуждений внутри производственного агента, но окружающая система все равно требует контроля разрешений, валидации, наблюдаемости, повторных попыток и одобрения человека для действий с высоким влиянием. Сильные результаты тестов не отменяют необходимости операционных мер безопасности.

Связанные инструменты

• xAI API Console: Создание ключей API, управление кредитами и доступ к моделям xAI.
• Cursor: Среда программирования с ИИ, включающая Grok 4.5 в нескольких продуктах.
• Grok Build: Агентская среда программирования xAI на базе Grok 4.5.
• xAI Python SDK: Официальный Python SDK для разработки с моделями xAI.
• OpenAI Python Library: Совместимая клиентская библиотека, которая может вызывать xAI Responses API через пользовательский базовый URL.

Связанные ссылки

• Представляем Grok 4.5: Официальное объявление xAI с тестами, деталями обучения, скоростью и ценами.
• Документация модели Grok 4.5: Официальные спецификации длины контекста, модальностей, возможностей и цен на токены.
• Руководство разработчика Grok 4.5: Официальные примеры API и руководства по интеграции.
• Цены xAI: Текущие цены на модели и API от xAI.
• Cursor представляет Grok 4.5: Объяснение Cursor совместного обучения, данных взаимодействия и обучения с подкреплением.
• Модели xAI: Текущий каталог моделей xAI и руководство по выбору.
• Примечания к релизам xAI: Официальная история релизов и обновления конфигураций.

Итог

Grok 4.5 — это передовая модель, нацеленная на программирование, агентов и интеллектуальную работу. Ее самые сильные практические преимущества —

сочетание высоких инженерных характеристик, обработки до 80 токенов в секунду, окна контекста в 500 тысяч токенов и сниженного потребления токенов в опубликованном сравнении SWE-Bench Pro.

Метод обучения объединяет крупномасштабную инфраструктуру, тщательно отобранные данные, следы взаимодействия с Cursor и обучение с подкреплением в реалистичных средах использования инструментов. Это помогает перевести модель от изолированной генерации кода к более длинным сквозным рабочим процессам.

Главная история не только в том, что Grok стал более способным; дело в том, что xAI конкурирует по полной стоимости и скорости выполнения реальной работы.