Grok 4.5：xAI 快速低成本编程与智能代理模型解析

引言

Grok 4.5 终于来了。

根据原始报道，xAI 发布了 Grok 4.5，这是迄今为止其最强大的旗舰模型，明确聚焦于编程、长时间运行的智能体任务和知识工作。该模型与 Cursor 联合训练，其亮点不仅在于原始的基准测试性能。更重要的故事在于性能、速度和成本的结合。

文章将 Grok 4.5 定位为 GPT-5.5、Opus 4.8 和 Fable 5 等顶级模型的实际挑战者。它并未被描述为在每个指标上都是绝对最强的模型。相反，它的优势更接近于：足够强大以跻身第一梯队，速度远快于许多竞争对手，并且在处理大量 token 的工程任务时运行成本要低得多。

图片为SpaceX AI官方推特，发布于4小时前。内容为"推出Grok 4.5，这是我们首个专为编程和智能体（agents）训练的模型。该模型与Cursor联合训练，在速度和成本效益方面均处于领先水平，同时具备前沿智能。"下方有网址"x.ai/news/grok-4-5"。该图片与文档中介绍Grok 4.5的内容相关，是对Grok 4.5发布信息的官方表述，强调其为编程和智能体训练的模型，与Cursor联合训练，具备速度和成本效益优势。

Grok 4.5 专为编程和智能体而构建

发布信息直截了当：Grok 4.5 专为编程、智能体工作流和复杂知识任务而构建。

这一点之所以重要，是因为人工智能竞争的核心已超越简短问答。对于开发者和团队而言，真正的考验在于模型能否在多步骤工程任务中持续工作、使用工具、从错误中恢复，并在不浪费大量上下文和资金的情况下产出生效的制品。

在原始文章中，Grok 4.5 被描述为 xAI 在公司最新战略转型后推出的首个主要旗舰模型，也是 xAI 与 Cursor 合作的第一个重要成果。

这是Cursor官方发布的内容截图，Cursor称已与SpaceX合作训练Grok 4.5，该模型是其迄今最强大的模型，也是首个不仅限于软件工程打造的模型。截图中还展示了Grok 4.5与Opus 4.8、GPT-5.5等同类模型的多维度基准测试对比数据，涵盖Terminal-Bench 2.1、SWE-Bench Multilingual、DeepSWE 1.0、SWE-Bench Pro四项测试，其中Grok 4.5在Terminal-Bench 2.1中得分83.3%，在SWE-Bench Multilingual中得分78.0%，在SWE-Bench Pro中得分64.7%，数据表现处于当前编码与智能体模型的第一梯队。

据报道的基准测试数据表现强劲：

SWE Bench Pro： 64.7%
Terminal Bench 2.1： 83.3%
DeepSWE 1.0： 62.0%

这些数据将 Grok 4.5 置于当前编程和智能体模型的顶级梯队附近。它并未被描述为在所有模型面前都全面胜出，但在工程智能体真正重要的领域，它展现出了竞争力。

数万块 GB300 GPU：训练一个"Opus 级"模型

原始文章称，Grok 4.5 是在数万块 NVIDIA GB300 GPU 上训练的。这为模型提供了巨大的算力基础，但仅有算力并非全部。

更重要的部分在于数据。

据报道，xAI 使用了重度过滤、去重、质量评分和领域聚焦选择，以保持训练数据的密集性和有用性。换句话说，该模型不仅在大规模文本上进行了训练。其训练数据混合体经过了

其设计旨在纳入更高质量的素材，用于编程、工程、科学、数学及知识工作等领域。

另一个关键概念是每令牌智能。文章指出，xAI 的强化学习重点在于提升模型在每个令牌中能产出的有效推理量。这是一个实用的衡量标准，因为在智能体工作流中，如果模型写的内容过多、反复重试或解决任务路径过长，成本往往会变得很高。

图片展示的是Elon Musk在Twitter上发布的评论截图。头像为SpaceX火箭发射画面，用户名为@elonmusk，发布时间为4小时前。评论内容为“我们的内部评估认为，Grok 4.5的能力大致相当于Opus 4.7，但速度要快得多。正是能力、更快速度和更低的成本相结合，使其具备竞争力。”该评论与文档中对Grok 4.5能力、速度、成本等多方面优势的介绍相呼应，体现了其竞争力所在。

与Cursor的合作在此尤其重要。Cursor的数据真实反映了开发人员与代码库、工具及智能体的交互方式。这意味着Grok 4.5不仅在学习代码的形态，还在学习开发者和AI智能体如何在实际环境中协同工作。

文章还提到，该模型的训练栈专为高度异步工作而设计。智能体的生产部署可能持续数小时，而训练则在整个计算集群上同步进行。这种设置对于需要多步骤保持连贯性而非仅解决短时提示的长期任务至关重要。

图片为Elon Musk在Twitter上发布的推文，内容为“Grok 4.5 context window will upgrade to 1M probably by next week”（Grok 4.5的上下文窗口预计将在下周前升级至100万（1M））。该推文发布于12分钟前，配图是SpaceX火箭发射的图案。图片与文档中介绍Grok 4.5模型训练相关，文档提到Grok 4.5在计算能力、数据质量、token效率等方面的表现，此推文则透露了Grok 4.5上下文窗口升级的信息，体现了其在模型能力上的进展。

接近 GPT-5.5，逼近 Opus 4.8

Grok 4.5 的基准测试表现并非简单的“最强模型通吃一切”。它更为复杂。

在几项核心工程基准测试中，该模型的表现达到了第一梯队竞争者的水平：

在 DeepSWE 1.0 上，据报道 Grok 4.5 达到了 62.0%，领先于 Opus 4.8 的 55.75%，并接近 GPT-5.5 的 64.31%。
在 Terminal Bench 2.1 上，它达到 83.3%，几乎与 GPT-5.5 的 83.4% 持平。
在 SWE Bench Pro 上，它达到 64.7%，领先于 GPT-5.5 的 58.6%，接近 Opus 4.8 的 69.2%。
在文章提到的 AAAI 官方测试中，Grok 4.5 排名第四，仅次于 Fable 5、GPT-5.5 和 Opus 4.8。
在 Harvey 的法律代理基准测试中，据报道它排名第一。

图片展示了Cursor AI与SpaceXAI合作训练的Grok 4.5在多个基准测试中的表现。表格中列出了Terminal Bench 2.1、SWE Bench Multilingual、DeepSWE 1.0、SWE Bench Pro等测试的得分，Grok 4.5得分分别为83.3%、78.0%、62.0%、64.7%。还对比了Opus 4.8、GPT-5.5、Composer 2.5、Fable 5等模型的得分。该图与上下文紧密相关，直观呈现了Grok 4.5在不同基准测试中的表现，支撑了文档中对Grok 4.5在核心工程基准测试中表现的描述。

文章的结论很明确：Grok 4.5 实力强劲，但在一些高端评估中，Claude Fable 似乎仍占据领先地位。

这使得 Grok 4.5 因另一个原因而引人注目。它可能并非

成为绝对的标杆模型。但当您比较每美元性能、每秒性能以及每个解决任务消耗的token数时，它可能是最强的模型之一。

真正的优势：快速且廉价

Grok 4.5 最突出的卖点是成本效益。

据报道，该模型的运行速度约为每秒80个token，xAI称之为快速模型速度。文章将此视为与较慢的高端推理模型的关键区别。如果一个模型既高效又快速，它就更能胜任日常工程工作，而不仅仅是处理一次性的困难任务。

在基准测试的工程任务中，它使用的输出token也更少。在SWE Bench Pro测试中，据报道Grok 4.5平均使用15,954个输出token来解决问题，而Opus 4.8在相同任务类别中平均使用约67,020个输出token。

这就是那著名的token使用量减少4.2倍的说法。

图片展示了Grok 4.5和Opus 4.8在SWE Bench Pro任务上的平均输出token数量对比。横轴为token数量，从0到70k。Grok 4.5平均输出token数为15,954，用红色点表示；Opus 4.8（max）平均输出token数为67,020，用灰色点表示。图中以虚线和文字标注出Grok 4.5比Opus 4.8少4.2倍token，直观呈现了Grok 4.5在token效率上的优势，与文档中提到的“4.2×fewer tokens”相呼应。

定价是另一个重要方面：

模型/变体	输入价格	输出价格	备注
Grok 4.5	每百万token 2美元	每百万token 6美元	官方发布的基础版本
Grok 4.5 更快速变体	每百万token 4美元	每百万token 18美元	文章中提及的高速高级变体
Opus 4.8 对比	在多项对比中价格更高	在多项对比中价格更高	作为文章中的参考点
GPT-5.5 对比	在多项对比中价格更高	在多项对比中价格更高	作为文章中的参考点

实际结论很简单：如果工程代理需要反复进行读取、编写、测试和迭代，那么token成本就会成为一个主要的产品限制因素。Grok 4.5正是为了降低这个循环的成本而设计的。

图片为xAI首席执行官Eric Jiang在Twitter上的一条推文。他称Grok 4.5是他所有编码工作的默认模型，非常喜爱此模型，称其前沿智能且价格合理。推文还对比了Grok 4.5、GPT 5.6、Opus 4.8三种模型的输入和输出价格，Grok 4.5输入2美元/100万token，输出6美元/100万token；GPT 5.6输入5美元/100万token，输出30美元/100万token；Opus 4.8输入5美元/100万token，输出25美元/100万token。该推文与文档中介绍Grok 4.5在成本效率、token效率等方面的优点相呼应。

一个提示词构建：Three.js 太阳系演示

原始文章中强调了一个单提示词演示，其中Grok 4.5使用Three.js创建了一个太阳系模拟。

提示词要求生成一个美丽的宇宙和太阳系模拟，具备可调节的时间、真实的运动、轨道、恒星以及现代化的平视显示器（HUD）。输出结果是一个基于浏览器的模拟，包含行星运动、时间加速、控制、标签以及风格化的界面。

图片展示了Grok 4.5生成的太阳系模拟界面。上方有“Solar system”标题，左侧有“Cosmos”标签，显示Mercury等行星信息。画面中太阳位于右侧，周围有水星、金星、地球等行星。下方有“Orbits”“Labels”“Stars”“Trails”等控制选项，可调整时间、速度等。界面整体风格现代，与文档中提到的使用Three.js创建的太阳系模拟相符，体现了Grok 4.5在视觉布局、动画逻辑、交互控制等方面的能力。

aliyuncs.com/cms-assets/image/2026/07/3a876f29-3629-4a70-8d27-339076f464da-09-520ff31e-7006-4e98-bbaf-43a66b9edad1.gif)

这类演示之所以重要，是因为它考验的不仅仅是代码语法。一个优秀的前端生成模型需要综合以下能力：

视觉布局
动画逻辑
交互控件
状态处理
界面打磨
领域特定细节
浏览器兼容性

单个演示不能证明一个模型已具备生产力，但它确实能说明开发者为何如此关注。Grok 4.5 在将宽泛的产品化提示词转化为完整可运行作品方面，表现出了较强的能力。

真实用户测试

这篇文章还收集了来自社区的早期用户测试。

一个示例展示了 Grok 4.5 生成类似《我的世界》的场景。另一个示例展示它在单个 HTML 文件中生成了一个精美的 SaaS 着陆页。此外，还有 2D 和 3D 设计作品、应用布局生成以及简单的游戏构建工作流等示例。

图片展示的是Grok 4.5生成的Minecraft - like场景。画面中有一个由棕色方块堆叠而成的结构，顶部有黄色装饰，背景是绿色草地和树木，远处有黑色方块状物体。该图片与文档中“Real - World User Tests”部分内容相关，作为Grok 4.5在生成Minecraft - like场景这一真实用户测试示例的呈现，体现了其在生成类似Minecraft的场景方面的表现。

这张图片展示了xAI模型Grok 4.5生成的内容效果，左侧是和模型的交互对话框，用户向其下达了生成现代SaaS落地页相关的指令，模型回应了创作的思路与代码生成相关内容，还给出了项目的相关构建信息。右侧则是模型生成的落地页成品，页面以简洁的米色调为背景，主标题为“The desk where thinking gets published.”，其中“thinking”采用橙色突出显示，页面还标注了“CODEX”的标识，介绍其为面向现代团队的编辑操作系统，这类效果正是上文提及的Grok 4.5可生成完整SaaS落地页这类应用能力的体现。

图片展示的是3D Dream平台界面，左侧为场景展示区，呈现了一个带有家具的1卧室房屋模型，周围有树木和围栏。右侧是房屋属性和创建选项区域，显示房屋为1卧室，有多个房间，可选择创建新房间。下方有“Ask AI to change your home...”按钮。该图片与文档中“Real-World User Tests”部分内容相关，用于说明3D Dream平台可生成包含家具的房屋模型等2D和3D设计工作示例，体现了Grok 4.5在实际用户测试中的应用成果。

结果并非全都完美。文章还提到了一些开发者的批评，他们认为 Grok 4.5 在某些视觉或创意编码测试上不如 Opus 4.7，包括一个表现不佳的熔岩灯风格生成任务。

免费版 · 使用 We0 AI

几分钟搭建展示站并增长获客

输入一句想法，We0 AI 即可生成展示站、页面与 CMS。发布上线后并帮你获取客户和流量。

用户注册赠送一次完整项目生成

适合先体验一次完整生成流程，快速看到项目初稿。

未命名-1

布局

填充

圆角

生成中

这种批评很有价值。它能让评估保持客观。一个模型可能在智能体编程方面很出色，但仍然会在某些美学、物理模拟或视觉细节任务上失败。

为什么 Cursor 数据很重要

Cursor 在 Grok 4.5 中的作用，是本次发布中最重要的部分之一。

Cursor 博客将 Grok 4.5 描述为一个由 xAI 共同训练的模型，其设计目标不只是软件工程。训练过程包含了数万亿 token 的 Cursor 数据，捕捉了开发者如何与代码库、工具和 AI 智能体交互。

这与静态代码的信号不同。静态代码教会模型最终结果。而开发者与智能体的交互数据则教会了过程：

开发者如何描述任务。
智能体如何搜索代码库。
首先检查哪些文件。
如何诊断错误。
如何使用工具。
如何

在尝试失败后，代理会恢复。

最终变更如何验证。

对于编码代理而言，这一工作流信号可能与原始编码知识同样重要。

Grok 4.5 对 AI 编码代理意味着什么

此次发布表明，AI 编码模型正朝着三个实际目标迈进：

1. 长周期执行

模型需要处理涉及多个步骤的任务，而不仅仅是简单的提示-响应交互。这包括规划、搜索、编辑、测试和修复错误。

2. 降低每个已解决任务的成本

团队关注的是完成一个任务的总成本，而不只是模型每 Token 的价格。如果一个模型用更少的 Token 就能找到解决方案，即使其标价看起来相似，也可能更便宜。

3. 工具感知行为

现代编码代理存在于工具环境中。它们必须理解终端、编辑器、浏览器、问题跟踪器、文件树和构建系统。在真实开发者-代理交互数据上训练的模型在这方面可能具有优势。

开始使用 Grok 4.5

官方 xAI 发布信息显示，Grok 4.5 可通过 Grok Build、Cursor 以及 xAI API 控制台使用。官方页面还提供了一个简单的 API 示例。

curl -s https://api.x.ai/v1/responses \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-4.5",
    "input": "查找并修复错误，然后解释它：function median(a){a.sort();return a[a.length/2]}"
  }'

原始发布说明还提到，Grok 4.5 在发布时尚未在欧盟提供服务，预计稍后会在欧盟推出。如果您计划通过 API 或在产品中使用它，请务必先检查当前的 xAI 文档和定价页面。

最佳使用案例

根据文章和官方发布的框架，Grok 4.5 看起来特别适用于：

AI 编码代理
大型代码库探索
错误修复和重构
以终端为中心的工作流
长时间运行的代理任务
前端原型生成
Three.js 或交互式演示生成
研究密集型知识工作
数据科学和技术分析
通过 Grok Build 处理办公文档和电子表格工作流

它并不一定是所有使用场景的最佳选择。对于高风险的生产变更、法律输出、财务建议或敏感的客户工作，团队仍需进行审查、验证和人工批准。

实用评估检查清单

如果您想针对自己的工作流测试 Grok 4.5，不要只依赖公开演示。

请使用您自己团队的实际任务，并将其与您当前的模型设置进行比较。一个实用的评估应包括：

正确性： 它是否解决了实际任务？
Token 使用量： 它用了多少 Token 才得出答案？
延迟： 工作流耗时多久？
工具使用： 它是否使用了正确的文件、命令和引用？
恢复能力： 它在测试失败后是否修复了错误？
审查负担： 输出结果是否易于验证？
每个采纳结果的成本： 最终批准的结果花费了多少钱？
失败案例： 它在什么地方产生了幻觉、过度编辑或检查不足？

最佳模型并非……

始终是基准得分最高的那个。对许多团队而言，最好的模型就是以最低可靠成本完成工作被认可的那个。

并非最终天花板

文章最后指出，马斯克暗示下个月将迎来又一次突破性改进。

这表明 Grok 4.5 可能不是最终的“颠覆性”模型。它或许是一个强有力的中间阶段：并非绝对最强的模型，但能让前沿级别的工程智能变得更廉价、更易使用。

图片展示的是Elon Musk在X平台的推文，发布时间为2小时前。推文内容为“Grok 深谙工程之道。下个月的发布将带来又一次突破性的改进，因为我们将在解决特斯拉、SpaceX、Neuralink 和 Boring Company 所面临的现实工程问题上形成闭环。”图片与上下文紧密相关，上下文提到Musk暗示下个月将有另一项重大改进，图片中的推文进一步说明了这一改进将如何在解决现实工程问题上形成闭环，暗示Grok 4.5可能不是最终的“翻天覆地”模型，而是更经济、高效的中间阶段。

这可能足以改变竞争格局。当智能像电力一样按量计费时，赢家不再只是峰值分数最高的模型。而是那个能在实际工作流程中，以低成本、快速且稳定地输出强大推理能力的模型。

常见问题

什么是 Grok 4.5？

Grok 4.5 是 xAI 用于编程、智能体任务和知识工作的旗舰模型。它被描述为该公司迄今为止最强的模型，并与 Cursor 合作训练。

Grok 4.5 比 Opus 4.8 或 GPT-5.5 更强吗？

并非在所有指标上都强。原始文章报告称，Grok 4.5 在多项工程基准测试上接近 GPT-5.5 和 Opus 4.8，但 Claude Fable 仍在一些顶级评估中领先。Grok 4.5 的主要优势在于速度、成本和代币效率的组合。

Grok 4.5 的成本是多少？

官方发布显示 Grok 4.5 的输入代币价格为每百万个 2 美元，输出代币价格为每百万个 6 美元。还提到了一种更快的优质变体，输入代币价格为每百万个 4 美元，输出代币价格为每百万个 18 美元。在生产使用前，请始终检查当前的 xAI 定价页面。

Grok 4.5 擅长什么？

它专为编程、软件工程、智能体任务和知识工作而设计。文章重点介绍了其在 SWE Bench Pro、Terminal Bench 2.1 和 DeepSWE 上的基准测试表现，并列举了前端生成、Three.js 演示和游戏类原型等案例。

为什么 Cursor 对 Grok 4.5 很重要？

Cursor 与 xAI 在 Grok 4.5 上进行了合作，训练过程中包含了大量 Cursor 交互数据。这些数据反映了开发者如何使用代码库、工具和智能体，这可能有助于模型在实际软件工程工作流程中表现更佳。

“代币减少 4.2 倍”是什么意思？

文章报告称，Grok 4.5 在 SWE Bench Pro 任务中平均使用 15,954 个输出代币，而 Opus 4.8 则使用了 67,020 个输出代币。这意味着据报道，Grok 4.5 用远少于其的代币解决了类似任务，从而降低了成本和延迟。

我可以通过 API 使用 Grok 4.5 吗？

可以。官方 xAI 发布说明表示，Grok 4.5 可通过 xAI API 控制台使用。该发布还提供了一个示例 curl 命令，使用了 responses 端点和 grok-4.5 模型名称。

Grok 4.5 可在 Cursor 中使用吗？

是的。Cursor官方公告指出，Grok 4.5已在Cursor的桌面端、网页端、iOS、CLI和SDK中可用。Cursor同时说明，个人和团队计划均包含该模型作为第一方模型池的一部分。

总结

Grok 4.5被定位为适用于编码、智能体工作流和知识工作的快速且性价比高的模型。它在工程基准测试中表现强劲，得益于Cursor协作数据，并且在SWE Bench Pro任务中使用的输出token远少于某些领先模型。

其最大价值并非在所有方面超越其他模型。更重要的一点是，它结合了有竞争力的智能表现、更低的token消耗、更快的推理速度和激进的价格策略。

对于构建AI编码智能体的团队而言，这种结合至关重要。每次任务的实际成本、审查负担、工具使用和故障恢复能力，可能比单一排行榜分数更具意义。

Grok 4.5传递的真实信息很简单：下一轮模型竞赛不仅关乎谁更聪明，更关乎谁能更快、更便宜地交付实用智能。