Grok 4.5, cuối cùng cũng đã hoàn thành bài thi!
Ngay lúc vừa rồi, SpaceXAI của Musk chấn động công bố mô hình cờ đỉnh mạnh nhất từ trước đến nay - Grok 4.5.
Lần này, SpaceXAI và Cursor đã hợp tác chặt chẽ.
Trên hàng chục nghìn con quái vật GB300, họ đã "luyện" ra con quái vật hiệu năng này được sinh ra dành riêng cho mã hóa và các tác nhân thông minh.
Bảng thành tích khá sáng giá——
- SWE Bench Pro: Chiếm lĩnh 64.7%, chính diện đối đầu và vượt qua Opus 4.7 (64.3%);
- Terminal Bench 2.1: Tăng tốc ầm ầm lên đến 83.3%;
- DeepSWE 1.0: Đứng vững ở mức 62.0%, áp đảo mạnh mẽ Opus 4.8.
Musk thẳng thắn nói, "Grok 4.5 đại khái tương đương với Opus 4.7, nhưng nhanh hơn nhiều".
Năng lực, tốc độ, chi phí - ba yếu tố chồng lấn, mới là sức cạnh tranh của nó. Có nghĩa là, lượng Token nó sử dụng để làm việc, chỉ là con số lẻ của người khác.
Giá nhập của Grok 4.5 là $2 / triệu token, giá xuất là $6 / triệu token.
So với Opus 4.8, tiêu hao Token giảm mạnh 4.2 lần.
Hàng vạn cục GB300, luyện ra một "Cấp Opus"
Grok 4.5, là lá bài chủ lực đầu tiên của SpaceXAI sau khi lên sàn, cũng là bài kiểm tra đầu tiên họ cùng Cursor nộp lên.
Vậy, nó được luyện như thế nào?
Câu trả lời là, một đợt huấn luyện siêu quy mô với hàng chục nghìn GPU GB300 của NVIDIA. Nhưng chất đống sức mạnh tính toán, chỉ là tấm vé vào cửa.
Musk báo trước: Tuần sau ngữ cảnh Grok 4.5 nâng cấp lên 1 triệu
Nơi SpaceXAI thực sự đổ sức mạnh chết người, là dữ liệu.
Họ đã lọc, loại bỏ trùng lặp và chấm điểm chất lượng một cách khắt khe đối với lượng ngữ liệu khổng lồ, đảm bảo mỗi "ngụm" đưa vào mô hình đều là nội dung chuyên môn với mật độ thông tin cao.
Sau đó, họ đặt trọng tâm của RL vào một chỉ số ít người nhắc đến - "Trí tuệ trên mỗi Token" (per-token intelligence).
Việc Cursor tham gia, là mắt xích then chốt nhất trong bánh xe này.
Nền tảng của Grok 4.5 là V9 (1.5T), theo giới thiệu chính thức, khi huấn luyện đã được "đút" vào hàng nghìn tỷ dữ liệu của Cursor.
Những dữ liệu này ghi lại cách các nhà phát triển thực tế tương tác với kho mã, với công cụ, với các tác nhân thông minh.
Điều này có nghĩa, mô hình không chỉ học được "mã trông như thế nào", mà còn "con người và AI cùng nhau viết mã ra sao".
Còn ngăn xếp huấn luyện của nó, được thiết kế cho tính bất đồng bộ cao——
Tác nhân thông minh có thể chạy liên tục hàng giờ đồng hồ, mô hình vừa làm việc vừa tiếp tục học, quá trình huấn luyện trên hàng chục nghìn GPU không ngừng nghỉ.
Kết quả là, nó không chỉ biết giải bài, mà còn có thể chịu được các dự án phức tạp nhiều bước trong các nhiệm vụ dài hàng giờ đồng hồ.
Bằng GPT-5.5, Áp Sát Opus 4.8
Hiệu năng cứng nhắc của Grok 4.5 dưới cách đánh huấn luyện này, tuyệt đối chịu được sự kiểm nghiệm.
Trên các bảng xếp hạng kỹ thuật cốt lõi, biểu hiện của nó có thể dùng từ "Ổn" để hình dung - không phải mạnh nhất, nhưng đủ để lọt vào nhóm đầu.
Trên DeepSWE 1.0, nó đạt 62.0%, vượt qua Opus 4.8 (55.75%), cắn chặt GPT-5.5 (64.31%);
Trên Terminal Bench 2.1, nó lao lên 83.3%, chỉ kém GPT-5.5 (83.4%) có 0.1!;
Trên SWE Bench Pro khó nhằn hơn, nó vượt qua GPT-5.5 (58.6%) với tỷ lệ giải quyết 64.7%, áp sát Opus 4.8 (69.2%).
Trong bài kiểm tra chính thức của AAAI, Grok 4.5 xếp hạng tư, chỉ sau Fable 5, GPT-5.5, Opus 4.8.
Trong bài kiểm tra chuẩn cho tác nhân thông minh pháp lý Harvey, xếp hạng nhất.
Phải nói, bảng thành tích này rất đáng gờm.
Nhưng phải thừa nhận, chiếc ngai sắt đang ngồi vững vàng hiện tại, vẫn là Claude Fable.
Tóm lại, Grok 4.5 về cơ bản bằng với GPT-5.5, áp sát Opus 4.8, nhưng cách trần nhà thực sự vẫn còn một khoảng cách.
Bản thân Musk cũng nói rất thực tế: "Đánh giá nội bộ của chúng tôi là, Grok 4.5 đại khái tương đương với Opus 4.7, nhưng nhanh hơn nhiều".
Vũ khí sát thủ thực sự: Vừa Nhanh Vừa Rẻ
Đòn bạo lực thực sự của Grok 4.5, ẩn giấu trong ba từ: tốc độ, hiệu suất và giá cả.
Tốc độ suy luận của nó lên đến 80 TPS (Token mỗi giây), lời gốc chính thức là "còn nhanh hơn cả các mô hình flash".
Chỉ với một câu nói, nó đã viết ra một mô phỏng 3D hệ mặt trời bằng Three.js:
Hỗ trợ tăng tốc thời gian, chuyển động quỹ đạo của tám hành tinh chân thực, ngay cả bảng điều khiển HUD cũng được làm khá chỉn chu.
Về hiệu suất, trong nhiệm vụ SWE Bench Pro, Grok 4.5 trung bình chỉ xuất ra 15,954 Token là đã giải quyết vấn đề.
Còn Opus 4.8 làm việc tương tự, trung bình phải "nhả" ra 67,020 Token.
4.2 lần, Grok 4.5 sử dụng chưa đến một phần tư Token của đối thủ, đã hoàn thành cùng một bài toán kỹ thuật.
Về giá, nhập mỗi triệu Token 2 USD, xuất mỗi triệu Token 6 USD.
Ngoài ra còn có một phiên bản cao cấp nhanh hơn, định giá nhập $4 / xuất $18.
So với hàng loạt mô hình đỉnh cao khác động chạm mười mấy USD trở lên, mức giá này gần như đã giảm chi phí đến mức gần như "gãy xương".
Ba con số chồng lên nhau, kết luận chỉ là một câu:
Trong chuyện "mỗi đơn vị thời gian, mỗi đơn vị chi phí có thể mua được bao nhiêu trí tuệ", Grok 4.5 hiện tại chính là "vua tỷ lệ hiệu suất/chi phí".
Kiểm Tra Thực Tế Toàn Mạng: Biểu Hiện Thực Sự Của Grok 4.5
Ngoài ra, từ phản hồi kiểm tra thực tế của đông đảo cư dân mạng, có thể nhìn thấy một góc năng lực thực sự của Grok 4.5.
Một câu nói, xuất ngay "Minecraft".
Trong một tệp HTML riêng biệt, Grok 4.5 có thể dễ dàng hoàn thành một trang SaaS cao cấp hoàn chỉnh.
Grok 4.5 thể hiện tài năng lớn, hoàn thành toàn bộ phương án thiết kế 2D+3D trong chưa đầy một phút ngay trong ứng dụng.
Chuyên gia game AI Danny Limanseta sử dụng Grok 4.5 để tạo ra một trò chơi, đầy đủ các chức năng.
Tuy nhiên, cũng có nhà phát triển cho biết, Grok 4.5 hoàn toàn không cùng trình độ với Opus 4.7, hiệu quả của bài kiểm tra đèn dung nham được tạo ra, rất tệ.
Không Phải Mạnh Nhất, Đang Đè Đợi Tháng Sau Lật Bàn
Hôm nay, Musk lại chôn một quả mìn:
Grok thông hiểu đạo lý kỹ thuật.
Phiên bản tháng sau sẽ là một lần nâng cấp nhảy vọt nữa, bởi vì chúng tôi đang trong Tesla, SpaceX, Neuralink và Boring Company, khép kín vòng tròn giải quyết các vấn đề kỹ thuật thực tế.
Tháng sau, lại một lần nhảy vọt nữa. Và theo tin đồn, một phiên bản lớn hơn với 2 nghìn tỷ tham số đang trên đường.
Chạy điểm, là pháo hoa cho người ngoài cuộc xem; hiệu suất và chi phí, mới là súng đạn thật kéo đối thủ vào trận chiến tiêu hao.
Khi trí tuệ của mô hình bắt đầu được tính phí như điện theo độ, chìa khóa thắng bại là ai có thể khiến trí tuệ trở nên vừa nhanh, vừa rẻ, lại vừa hiện diện khắp nơi.
Lần này, Musk không lấy lá bài mạnh nhất, nhưng lại lật bàn.
Tài liệu tham khảo:
https://x.ai/news/grok-4-5
https://cursor.com/blog/grok-4-5
Bài viết này đến từ tài khoản công chúng WeChat "Tân Trí Nguyên", tác giả: ASI Khải Thị Lục, biên tập: Đào Tử
