Grok 4.5, akhirnya resmi diluncurkan!
Baru saja, SpaceXAI milik Elon Musk secara mengejutkan merilis model flagship terkuat dalam sejarah mereka, Grok 4.5.
Kali ini, SpaceXAI bergandengan tangan dengan Cursor.
Di atas puluhan ribu "raksasa" GB300, mereka berhasil "melatih" monster performa yang dirancang khusus untuk pengkodean dan agen cerdas ini.
Laporannya cukup cemerlang——
- SWE Bench Pro: Mencapai 64.7%, mengimbangi dan melampaui Opus 4.7 yang 64.3%;
- Terminal Bench 2.1: Melonjak hingga 83.3%;
- DeepSWE 1.0: Kokoh di angka 62.0%, mengalahkan Opus 4.8 dengan jelas.
Elon Musk dengan tegas menyatakan, "Grok 4.5 kira-kira setara dengan Opus 4.7, tetapi jauh lebih cepat".
Kombinasi kemampuan, kecepatan, dan biaya lah yang menjadi daya saingnya. Artinya, token yang digunakannya untuk bekerja hanya sebagian kecil dari model lain.
Harga input Grok 4.5 adalah $2/juta token, harga output $6/juta token.
Dibandingkan Opus 4.8, konsumsi token berkurang drastis 4.2 kali lipat.
Puluhan Ribu GB300, Melatih Model "Kelas Opus"
Grok 4.5 adalah kartu as pertama SpaceXAI setelah go public, sekaligus jawaban pertama dari kolaborasi mereka dengan Cursor.
Lalu, bagaimana model ini dilatih?
Jawabannya adalah, pelatihan berskala sangat besar dengan puluhan ribu GPU NVIDIA GB300. Namun, menumpuk daya komputasi hanyalah tiket masuk.
Elon Musk mengumumkan: Konteks Grok 4.5 akan ditingkatkan menjadi 1 juta pekan depan
Area di mana SpaceXAI benar-benar bekerja keras adalah data.
Mereka melakukan penyaringan, deduplikasi, dan penilaian kualitas yang sangat ketat terhadap kumpulan data yang sangat besar, memastikan setiap informasi yang dimasukkan ke model adalah konten profesional dengan kepadatan informasi tinggi.
Kemudian, mereka memfokuskan Reinforcement Learning (RL) pada sebuah metrik yang jarang disebutkan orang——"Kecerdasan per Token" (per-token intelligence).
Keterlibatan Cursor adalah bagian paling krusial dalam siklus ini.
Basis Grok 4.5 adalah V9 (1.5T), dan secara resmi disebutkan bahwa model ini diberi makan triliunan data dari Cursor selama pelatihan.
Data ini merekam bagaimana pengembang nyata berinteraksi dengan basis kode, alat, dan agen cerdas.
Ini berarti, model tidak hanya belajar "seperti apa bentuk kodenya", tetapi juga "bagaimana manusia dan AI bersama-sama menulis kode".
Stack pelatihannya dirancang untuk asinkronitas tinggi——
Agen cerdas dapat berjalan terus menerus selama berjam-jam, model terus belajar sambil bekerja, dan pelatihan di atas puluhan ribu GPU tidak pernah berhenti.
Hasilnya, model ini tidak hanya bisa menyelesaikan soal, tetapi juga mampu menangani tugas rekayasa kompleks multi-langkah dalam misi panjang yang berjam-jam.
Menyamai GPT-5.5, Mendekati Opus 4.8
Dengan pendekatan pelatihan seperti ini, performa inti Grok 4.5 benar-benar dapat diandalkan.
Pada beberapa benchmark rekayasa inti, performanya dapat digambarkan sebagai "stabil"——bukan yang terkuat, tetapi cukup untuk masuk ke kelompok terdepan.
Di DeepSWE 1.0, model ini mencapai 62.0%, mengungguli Opus 4.8 (55.75%), dan nyaris menyamai GPT-5.5 (64.31%);
Di Terminal Bench 2.1, model ini melesat ke 83.3%, hanya selisih 0.1% dari GPT-5.5 (83.4%)!;
Di SWE Bench Pro yang lebih ketat, dengan tingkat penyelesaian 64.7%, model ini melampaui GPT-5.5 (58.6%) dan mendekati Opus 4.8 (69.2%).
Dalam tes resmi AAAI, Grok 4.5 menempati peringkat keempat, setelah Fable 5, GPT-5.5, dan Opus 4.8.
Dalam tes benchmark agen cerdas hukum Harvey, menempati posisi pertama.
Harus diakui, laporan performa ini cukup tangguh.
Namun, harus diakui juga bahwa yang masih duduk di takhta tertinggi adalah Claude Fable.
Singkatnya, Grok 4.5 pada dasarnya setara dengan GPT-5.5, mendekati Opus 4.8, tetapi masih ada jarak dengan yang benar-benar teratas.
Elon Musk sendiri menyampaikan dengan realistis: "Penilaian internal kami adalah, Grok 4.5 kira-kira setara dengan Opus 4.7, tetapi jauh lebih cepat".
Keunggulan Sesungguhnya: Cepat dan Murah
Pukulan telak Grok 4.5 tersembunyi dalam tiga kata: kecepatan, efisiensi, dan harga.
Kecepatan inferensinya mencapai 80 TPS (Token Per Second), dengan pernyataan resmi "lebih cepat daripada model flash".
Hanya dengan satu kalimat perintah, model ini langsung menulis simulator 3D tata surya menggunakan Three.js:
Mendukung percepatan waktu, pergerakan orbit delapan planet sangat realistis, bahkan panel HUD-nya dibuat dengan cukup baik.
Dalam hal efisiensi, pada tugas SWE Bench Pro, Grok 4.5 rata-rata hanya mengeluarkan 15.954 token untuk menyelesaikan masalah.
Sementara Opus 4.8 mengerjakan tugas yang sama rata-rata membutuhkan 67.020 token.
4.2 kali lipat. Grok 4.5 menyelesaikan soal rekayasa yang sama dengan token kurang dari seperempat dari lawannya.
Untuk harga, $2 per juta token untuk input, $6 per juta token untuk output.
Selain itu, ada versi premium yang lebih cepat, dengan harga input $4 dan output $18.
Dibandingkan dengan berbagai model top-tier lain yang harga awalnya bisa belasan dolar, harga ini hampir membuat biaya menjadi sangat murah.
Ketiga angka ini digabungkan, kesimpulannya adalah satu kalimat:
Dalam hal "berapa banyak kecerdasan yang bisa dibeli per unit waktu dan biaya", Grok 4.5 saat ini adalah "Raja Harga-Performa".
Uji Coba di Internet: Performa Nyata Grok 4.5
Selain itu, dari umpan balik uji coba pengguna internet, dapat dilihat sekilas kemampuan nyata Grok 4.5.
Satu kalimat, langsung menghasilkan "Minecraft".
Dalam satu file HTML terpisah, Grok 4.5 dengan mudah membuat halaman SaaS premium yang lengkap.
Grok 4.5 menunjukkan kemampuannya, menyelesaikan seluruh desain 2D+3D dalam waktu kurang dari satu menit di dalam aplikasi.
Ahli game AI, Danny Limanseta, menggunakan Grok 4.5 untuk menghasilkan sebuah game dengan berbagai fungsi yang lengkap.
Namun, beberapa pengembang juga menyatakan bahwa Grok 4.5 sama sekali tidak setara dengan Opus 4.7, hasil tes lampu lava yang dihasilkannya dinilai buruk.
Bukan yang Terkuat, Bersiap Menggebrak Bulan Depan
Hari ini, Elon Musk kembali menyiapkan kejutan:
Grok memahami rekayasa dengan baik.
Versi bulan depan akan menjadi lompatan besar lagi, karena kami sedang menutup lingkaran penyelesaian masalah rekayasa nyata di Tesla, SpaceX, Neuralink, dan Boring Company.
Bulan depan, akan ada lompatan lagi. Dan menurut rumor, versi yang lebih besar dengan 2 triliun parameter sedang dalam perjalanan.
Skor benchmark hanyalah kembang api untuk yang awam; efisiensi dan biaya adalah senjata sejati untuk menyeret lawan ke dalam perang ketahanan.
Ketika kecerdasan model mulai ditagih seperti listrik per kilowatt-jam, kunci kemenangan adalah siapa yang bisa membuat kecerdasan menjadi cepat, murah, dan ada di mana-mana.
Kali ini, Elon Musk tidak memegang kartu terkuat, tetapi dia telah membalik meja permainan.
Referensi:
https://x.ai/news/grok-4-5
https://cursor.com/blog/grok-4-5
Artikel ini berasal dari akun WeChat "新智元", penulis: ASI启示录, editor: 桃子
