Grok 4.5 详解：编码基准、80 TPS、Token 效率与 API 定价

引言Grok 4.5让xAI重返编程模型竞赛的前列。该模型于2026年7月8日发布，专为软件工程、智能体任务和更广泛的知识工作而设计。它使用Cursor进行训练，现可通过xAI API、Grok Build和Cursor使用。其亮点不仅在于模型质量，Grok 4.5还围绕更快的服务速度、更少的生成令牌数以及更低的单次任务完成成本展开。官方模型文档显示其具备500,000个令牌的上下文窗口、文本和图像输入、可配置推理、函数调用、结构化输出支持，以及API定价为每百万输入令牌2美元和每百万输出令牌6美元。本文将解读Grok 4.5在哪些方面表现优异、其效率声明应如何理解、训练过程中有哪些变化，以及配套推理栈为何可能与模型本身同等重要。## Grok拥有专属的Opus级编程模型Grok 4.5是xAI面向编程、智能体工作和通用计算机知识任务的旗舰模型。官方发布材料将其描述为能够处理长时间运行任务、使用工具、从错误中恢复并验证结果（而非单次响应后即停止）的模型。这使其与用于自主编程、仓库级代码变更、技术研究、数据分析和多步骤办公工作流的高端模型处于同一类别。### 核心模型规格| 项目 | Grok 4.5 |

|-|-|
| 模型名称 | grok-4.5 |
| 主要用例 | 编程、智能体任务、知识工作 |
| 输入模态 | 文本和图像 |
| 输出模态 | 文本 |
| 上下文窗口 | 500,000个令牌 |
| 推理 | 可配置 |
| 函数调用 | 支持 |
| 结构化输出 | 支持 |
| 输入价格 | 每百万令牌2美元 |
| 缓存输入价格 | 每百万令牌0.50美元 |
| 输出价格 | 每百万令牌6美元 |
| 报告服务速度 | 每秒最多80个令牌 |

| 可用性 | xAI API、Grok Build、Cursor |50万个令牌的上下文窗口足以容纳庞大的代码库、长篇技术文档、多文件调查以及扩展的智能体历史记录。大上下文窗口并不能自动保证更好的结果，但它为工具提供了更多空间来提供相关源材料，而无需进行激进截断。### 编程基准测试结果xAI官方公告发布了多项软件工程评估的结果。Grok 4.5并非在所有基准测试中都位列第一，但与其他前沿系统相比仍具竞争力。| 基准测试 | Grok 4.5 | 部分对比结果 |
|-|-|-|
| DeepSWE 1.0 | 62.0% | Fable最高66.1%；GPT-5.5 xhigh 64.31%；Opus 4.8最高55.75% |
| DeepSWE 1.1 | 53.0% | Fable最高70%；GPT-5.5 xhigh 67% |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% |这些数字表明，该模型在终端工作、实际工程任务以及较长的智能体工作流方面表现尤为突出。不过，仍需谨慎解读这些结果，因为基准测试框架、推理设置、工具访问权限以及服务商特定配置都会影响最终表现。Cursor 还透露，旧版本的 Cursor 代码库快照意外出现在了训练数据中，这可能会影响 CursorBench 的结果。该公司已将该基准测试从其公开对比中排除，并表示这些数据不会用于未来的模型训练。### 更快的服务与更低的令牌消耗关于 Grok 4.5，最实用的卖点在于其效率。xAI 表示，该模型的服务速度高达 每秒80个令牌 。这一速度足以让长推理链、仓库编辑和迭代式智能体循环的响应比慢速的高级模型更迅速。该公司还报告称，在 SWE-Bench Pro 的每项任务中，Grok 4.5 平均消耗 15,954个输出令牌，而 Opus 4.8 在最大设置下平均消耗 67,020个输出令牌。这意味着，在测量的工作负载中，输出令牌量大约减少了 4.2倍。令牌效率之所以重要，原因有三：1. 更低延迟： 生成的令牌越少，任务通常完成得越快。
2. 更低 API 成本： 输出令牌往往比输入令牌更昂贵。

1. 更短的智能体循环： 精简的推理可以减少在工具间传递大量历史信息所耗费的时间。关键指标并不仅仅是每百万令牌的价格。团队应该比较在可接受质量水平下完成相同任务的总成本。一个标价更高的模型，如果需要的尝试次数、工具调用或…生成的令牌。### API 定价基础 API 价格如下：| 令牌类型 | 价格 |
   |-|-|
   | 输入 | 每100万令牌2美元 |
   | 缓存输入 | 每100万令牌0.50美元 |
   | 输出 | 每100万令牌6美元 |Cursor 在其自身模型产品中还提供了一种更快的变体，价格为每100万输入令牌4美元和每100万输出令牌18美元。不同平台的定价和可用性可能有所不同，因此生产团队应在其实际使用的环境中确认费率。### 从代码生成到完整工作流程Grok 4.5 的定位不仅仅是完成一个函数或解释一个错误。官方示例包括：- 根据一条提示构建太阳系模拟

• 创建端到端的 Web 应用程序
• 生成带有原生形状的 PowerPoint 幻灯片
• 构建多工作表电子表格模型
• 处理软件工程、金融、法律和研究任务
• 在长期运行的代理会话中使用工具太阳系演示很有用，因为它结合了设计、前端代码、3D 渲染、控件和交互逻辑。这并不能证明每个单提示应用程序都能直接用于生产，但它展示了该模型正在被优化以处理的那种集成任务。Grok 4.5 还延伸到了办公工作。在发布材料中，它创建了结构化的业务审查幻灯片，并处理涉及公式、网络研究和多工作表的电子表格。对于开发团队来说，一个实用的工作流程可能如下所示：1. 向 Grok 4.5 提供仓库上下文和范围明确的任务。

1. 让它检查文件、实施更改并运行验证命令。
2. 要求它提供简洁的更改摘要和来自测试的证据。
3. 在合并之前，由人工或第二个模型审查补丁。
4. 将生产部署和敏感操作保留在明确的审批之后。一个模型可能既快速又强大，但仍然会产生错误的假设、不安全的更改或不完整的验证。使用代理编码模型的最佳方式通常是带有可见证据的结构化自动化，而不是不受限制的自主性。## 效率提升源于不同的训练策略效率提升并非仅仅表现为简单的服务优化。xAI 和 Cursor 都描述了在模型架构、数据准备、强化学习和分布式训练方面的改变。### 专家混合模型## 架构
   Cursor 将 Grok 4.5 描述为一种混合专家模型。在 MoE 系统中，仅会为特定token或任务激活网络的一部分。这种方法可以在不要求每个参数都参与每次推理步骤的情况下，提升模型的总容量。 官方来源并未公布足够的实现细节来精确计算每个token所需的计算量。因此，与其依据未经证实的参数数量推断性能，不如更准确地聚焦于可观测行为——速度、基准测试质量和 token 消耗。

GB300 规模训练

xAI 表示，Grok 4.5 是在数万块英伟达 GB300 GPU 上训练的。如此规模的训练不仅需要原始硬件支持。长时间运行需要稳定的分布式系统、检查点恢复、网络通信、数据管道以及能够保持数千个加速器高效运转的监控机制。 公告特别强调了为大规模训练任务设计的稳定性技术。这之所以重要，是因为在长期实验中出现故障时，如果系统无法高效恢复，可能会浪费大量计算资源。

更优的数据密度，而不仅是更多标记

训练流程包括：

• 大规模去重
• 质量评分
• 领域聚焦过滤
• 高信号数据筛选
• 更广泛的编码、科学、工程、数学及知识工作材料混合 其目标是提升有用训练信号的密度，而非仅仅依赖原始 token 量。重复、低质量或相关性弱的数据可能增加训练成本，却无法带来与精心挑选样本相同的改进效果。

Cursor 交互数据

Cursor 表示，该模型使用了数万亿个 Cursor 数据 token 进行训练。据该公司称，数据集捕捉了用户、代码库、软件工具和代理之间的交互。 这一区别至关重要。纯代码数据集教导的是语法、模式、库和常见实现方法。而交互数据还能教导工作流程的顺序：

• 开发者如何检查不熟悉的仓库
• 他们在修改之前会打开哪些文件
• 如何响应测试失败
• 何时使用终端命令
• 如何在收到反馈后修订补丁
• 代理如何与工具及其环境交互 这有助于解释为何 Grok 4.5 定位在软件工程领域，而非孤立的代码补全。

面向困难、现实任务的强化学习

xAI 表示，其强化学习项目涵盖了数十万个任务，重点是多步骤软件工程及其他技术工作。 Cursor 描述了训练模型的多种环境：

1. 探索问题
2. 使用工具
3. 从错误中恢复
4. 验证结果
5. 在长时间任务跨度内持续工作 两家公司还构建了分布式代理系统，以大规模生成、测试和优化这些训练环境。部分代理任务可能运行数小时，而更大的训练过程则异步继续进行。 这是与狭隘基准优化相比的一个重大转变。模型不仅被训练用于产生正确的最终答案，还要学会导航达成目标的整个过程。对某人而言。## 还有一件事：系统工程可能是下一个战场模型权重只是最终产品的一部分。埃隆·马斯克在一份公开声明中表示，Grok 4.5 尚未使用 xAI 内部开发的、专门映射到 GB300 硬件的 C/C++ 推理软件。他暗示，优化后的技术栈可能使服务速度翻倍或进一步提升。这是一个前瞻性的说法，而非经过验证的生产结果，因此不应视作有保证的性能表现。尽管如此，它凸显了模型竞争的动向。当前沿模型的基准质量日益接近时，周边系统可创造实际优势：- 内核与编译器优化

• 请求调度
• 混合专家路由
• 量化
• 内存管理
• 提示缓存
• 批量处理
• 特定硬件的推理代码
• 代理编排
• 工具延迟与可靠性对用户而言，这意味着模型比较不应仅包含单一的智能评分。一个响应更快、产生更少令牌、有效利用缓存、并以更少重试完成任务，即使在基准测试上落后于其他模型，也可能提供更好的实际价值。## Grok 4.5 API 入门Grok 4.5 可通过 xAI 的 Responses API 使用。以下 Python 示例使用了兼容 OpenAI 的客户端接口：```Python
  import os
  from openai import OpenAIapi_key = os.environ.get("XAI_API_KEY")
  if not api_key:
  raise RuntimeError("请先设置 XAI_API_KEY 环境变量。")client = OpenAI(
  api_key=api_key,
  base_url="https://api.x.ai/v1",
  )response = client.responses.create(
  model="grok-4.5",
  input=(
  "审查这个 JavaScript 函数，修复错误，"
  "并解释改动："
  "function median(values) { values.sort(); "
  "return values[values.length / 2]; }"
  ),
  )print(response.output_text)

2. 添加超时和重试处理。
3. 记录令牌使用情况和总请求成本。
4. 在执行前验证工具调用。
5. 对破坏性或影响生产的操作要求批准。
6. 在需要确定性行为时，固定一个带有日期的模型版本。## 常见问题解答### Grok 4.5 是什么？Grok 4.5 是 xAI 的前沿模型，用于编程、代理任务和知识工作。它支持文本和图像输入、可配置推理、函数调用和结构化输出。### Grok 4.5 的上下文窗口有多大？xAI 官方模型文档列出其上下文窗口为 500,000 个令牌。实际可用上下文可能因请求格式、工具输出和平台特定限制而异。### Grok 4.5 API 的费用是多少？公布的基础价格为每每百万输入令牌 0.50 美元，每百万缓存输入令牌 0.50 美元，以及每百万输出令牌 6 美元。特定平台的变体或优先级服务可能适用不同的费率。### Grok 4.5 在编码方面比 Claude Opus 更好吗？答案取决于基准测试和工作流程。Grok 4.5 在多项工程测试中具有竞争力，并在一些比较中领先，而其他模型在其他方面仍然保持优势。速度、令牌使用情况、工具可靠性以及任务完成成本应与基准分数一起评估。### 为什么 Grok 4.5 被描述为令牌高效？xAI 报告称，Grok 4.5 在每个 SWE-Bench Pro 任务中平均使用 15,954 个输出令牌，而 Opus 4.8 在最大设置下使用 67,020 个。对于所测量的工作负载，输出令牌数减少了约 4.2 倍。### Grok 4.5 可以处理图像吗？可以。官方模型页面列出了文本和图像输入以及文本输出。这使得它适用于截图分析、文档审查以及代理工作流程中的视觉上下文等任务。### Grok 4.5 在 Cursor 中可用吗？是的。Cursor 表示 Grok 4.5 可在其桌面、网页、iOS、CLI 和 SDK 体验中使用。使用配额和定价取决于所选的 Cursor 计划。### Grok 4.5 适合生产级代理吗？它可以在生产级代理中用作推理模型，但周围系统仍然需要权限控制、验证、可观测性、重试机制，以及对高影响操作的人工审批。基准测试的优势并不能消除对操作防护措施的需求。## 相关工具- [xAI API 控制台](https://console.x.ai/)：创建 API 密钥、管理额度以及访问 xAI 模型。
- [Cursor](https://www.cursor.com/)：一个包含 Grok 4.5 的 AI 编码环境，支持多种产品。
- [Grok Build](https://docs.x.ai/build/overview)：xAI 基于 Grok 4.5 的代理编码环境。
- [xAI Python SDK](https://github.com/xai-org/xai-sdk-python)：用于使用 xAI 模型构建的官方 Python SDK。
- [OpenAI Python 库](https://github.com/openai/openai-python)：一个兼容的客户端库，可以通过自定义基础 URL 调用 xAI Responses API。## 相关链接- [介绍 Grok 4.5](https://x.ai/news/grok-4-5)：xAI 的官方发布公告，包含基准测试、训练详情、速度和定价信息。
- [Grok 4.5 模型文档](https://docs.x.ai/developers/models/grok-4.5)：关于上下文长度、模态、能力和令牌定价的官方规格说明。
- [Grok 4.5 开发者指南](https://docs.x.ai/developers/grok-4-5)：官方 API 示例和集成指导。
- [xAI 定价](https://docs.x.ai/developers/pricing)：xAI 当前的模型和 API 定价。
- [Cursor 引入 Grok 4.5](https://cursor.com/blog/grok-4-5)：Cursor 关于联合训练、交互数据和强化学习的说明。
- [xAI 模型](https://docs.x.ai/developers/models)：当前 xAI 模型目录和模型选择指导。
- [xAI 发布说明](https://docs.x.ai/developers/release-notes)：官方发布历史和配置更新。## 总结Grok 4.5 是一个面向编码、代理和知识工作的前沿模型。其最强大的实际优势是竞争性的工程性能、高达每秒80个token的处理速度、50万token的上下文窗口，以及在已发布的SWE-Bench Pro对比中更低的token消耗——这些优势的结合。其训练方法融合了大规模基础设施、精选数据、Cursor交互轨迹，以及真实工具使用环境中的强化学习。这有助于模型从孤立的代码生成转向更长的端到端工作流程。**主要故事不仅在于Grok变得更强大了，更在于xAI正在完成实际工作的全成本与速度上展开竞争。**