Grok 4.5, наконец-то сдан!
Только что SpaceXAI Илона Маска шокирующе представила свой самый мощный флагманский модели Grok 4.5 в истории.
На этот раз SpaceXAI и Cursor объединили усилия.
На десятках тысяч гигантских систем GB300 они «выковали» этого производительного монстра, созданного специально для программирования и агентов.
Результаты впечатляют —
- SWE Bench Pro: уверенно набирает 64.7%, напрямую противостоит и превосходит 64.3% у Opus 4.7;
- Terminal Bench 2.1: мчится до 83.3%;
- DeepSWE 1.0: стабильно стоит на 62.0%, решительно подавляя Opus 4.8.
Маск прямо заявил: «Grok 4.5 примерно соответствует Opus 4.7, но гораздо быстрее».
Совокупность возможностей, скорости и стоимости — вот в чем его конкурентоспособность. То есть, для работы он использует токены, которых у других лишь крохи.
Цена ввода для Grok 4.5 составляет $2/миллион токенов, вывода — $6/миллион токенов.
По сравнению с Opus 4.8, потребление токенов сократилось в 4.2 раза.
Десятки тысяч GB300 «выковали» модель уровня Opus
Grok 4.5 — это первый козырь SpaceXAI после выхода на биржу и первый результат их совместной работы с Cursor.
Итак, как же его тренировали?
Ответ: сверхмасштабное обучение на десятках тысяч графических процессоров Nvidia GB300. Но наращивание вычислительной мощности — это только пропуск на площадку.
Маск анонсирует: на следующей неделе контекст Grok 4.5 будет увеличен до 1 миллиона
Место, где SpaceXAI действительно упорно поработала, — это данные.
Они провели дьявольскую фильтрацию, удаление дубликатов и оценку качества огромного массива текстов, гарантируя, что каждая порция информации, подаваемая в модель, является профессиональным контентом с высокой информационной плотностью.
Затем они сосредоточили усилия по обучению с подкреплением на показателе, о котором редко говорят — «интеллект на токен» (per-token intelligence).
Присоединение Cursor стало ключевым элементом в этой системе.
Основой Grok 4.5 является V9 (1.5T). По официальной информации, при обучении в модель было загружено триллионы данных от Cursor.
Эти данные записывают, как реальные разработчики взаимодействуют с репозиториями кода, инструментами и агентами.
Это означает, что модель изучает не только «как выглядит код», но и «как люди и ИИ вместе пишут код».
А его тренировочный стек спроектирован для высокой асинхронности —
агенты могут работать непрерывно в течение нескольких часов, модель продолжает учиться, пока работает, а обучение на десятках тысяч GPU не прекращается ни на мгновение.
В результате модель не только решает задачи, но и способна справляться со сложными многошаговыми инженерными проектами в течение длительных, многочасовых заданий.
Достигает уровня GPT-5.5, приближается к Opus 4.8
Производительность Grok 4.5, полученная таким подходом к обучению, абсолютно выдерживает проверку.
Его результаты в ключевых инженерных бенчмарках можно охарактеризовать как «стабильные» — не самые сильные, но достаточно хорошие, чтобы войти в первую лигу.
На DeepSWE 1.0 он набрал 62.0%, обогнав Opus 4.8 (55.75%) и близко подобравшись к GPT-5.5 (64.31%);
На Terminal Bench 2.1 он взлетел до 83.3%, отстав от GPT-5.5 (83.4%) всего на 0.1!;
На более жестком SWE Bench Pro он с решением 64.7% обогнал GPT-5.5 (58.6%), приблизившись к Opus 4.8 (69.2%).
В официальном тесте AAAI Grok 4.5 занял четвертое место, уступив только Fable 5, GPT-5.5 и Opus 4.8.
В тесте Harvey на юридических агентах занял первое место.
Нельзя не сказать, что этот отчет о результатах очень сильный.
Но нужно признать, что на данный момент железный трон по-прежнему уверенно занимает Claude Fable.
В целом, Grok 4.5 и GPT-5.5 в основном находятся на одном уровне, близко к Opus 4.8, но до настоящего потолка еще есть расстояние.
Сам Маск говорит очень прагматично: «По нашей внутренней оценке, Grok 4.5 примерно соответствует Opus 4.7, но гораздо быстрее».
Настоящий козырь: быстрый и дешевый
Настоящий удар Grok 4.5 скрыт в трех словах: скорость, эффективность и цена.
Его скорость логического вывода достигает 80 TPS (токенов в секунду). Официальная формулировка: «быстрее, чем модели класса flash».
Всего одной фразой он написал симулятор 3D-солнечной системы на Three.js:
Поддержка ускорения времени, реалистичное орбитальное движение восьми планет, даже панель HUD сделана весьма искусно.
В плане эффективности, в задачах SWE Bench Pro, Grok 4.5 в среднем выдает всего 15 954 токена, чтобы решить проблему.
В то время как Opus 4.8 для той же работы в среднему должен выдать 67 020 токенов.
В 4.2 раза — Grok 4.5 использует менее четверти токенов соперника, чтобы выполнить ту же инженерную задачу.
В плане цены: ввод $2 за миллион токенов, вывод $6 за миллион токенов.
Кроме того, есть более быстрая расширенная версия с ценой ввода $4 / вывод $18.
По сравнению с множеством топовых моделей, которые стартуют от десятков долларов, эта цена практически доводит стоимость до минимума.
Совокупность этих трех цифр приводит к одному выводу:
В вопросе «сколько интеллекта можно купить за единицу времени и единицу стоимости» Grok 4.5 на данный момент является «королем соотношения цены и качества».
Тестирование в сети: реальные результаты Grok 4.5
Кроме того, из отзывов множества пользователей в сети можно увидеть проблеск реальных возможностей Grok 4.5.
Одной фразой — прямо генерирует «Майнкрафт».
В отдельном HTML-файле Grok 4.5 с легкостью справляется с созданием полноценной страницы для премиального SaaS-продукта.
Grok 4.5 проявляет себя во всей красе, завершая полный набор 2D+3D дизайнерских решений прямо в приложении менее чем за минуту.
Великий мастер игр на ИИ Danny Limanseta использовал Grok 4.5 для создания игры с полным набором функций.
Однако некоторые разработчики отмечают, что Grok 4.5 совершенно не находится на одном уровне с Opus 4.7, и тестовая генерация лавовой лампы получилась плохой.
Не самый сильный, но готовится перевернуть стол в следующем месяце
Сегодня Маск снова заложил мину:
Grok глубоко понимает инженерное дело.
Версия следующего месяца станет очередным скачком, потому что мы замыкаем петлю по решению реальных инженерных проблем в Tesla, SpaceX, Neuralink и Boring Company.
В следующем месяце — еще один скачок. И, по слухам, в разработке уже находится более крупная версия с 2 триллионами параметров.
Бенчмарки — это фейерверк для посторонних; эффективность и стоимость — вот реальное оружие для затяжной войны с противником.
Когда интеллект модели начинает измеряться, как электричество, победителем становится тот, кто может сделать интеллект быстрым, дешевым и повсеместным.
На этот раз Маск не разыграл самую сильную карту, но перевернул игровой стол.
Ссылки:
https://x.ai/news/grok-4-5
https://cursor.com/blog/grok-4-5
Эта статья из официального аккаунта WeChat «New Zhiyuan», автор: ASI启示录, редактор: Персик.
