Grok 4.5,终于交卷!
就在刚刚,马斯克SpaceXAI震撼发布自家史上,最强旗舰模型Grok 4.5。
这一次,SpaceXAI与Cursor强强联手。
在数万块GB300巨兽上,硬生生「炼」出这个专为编码、智能体而生的性能怪兽。
成绩单相当亮眼——
- SWE Bench Pro:豪取64.7%,正面硬刚并越过Opus 4.7的64.3%;
- Terminal Bench 2.1:一路狂飙至83.3%;
- DeepSWE 1.0:稳稳站上62.0%,强势碾压Opus 4.8。
马斯克直言,「Grok 4.5大致相当于Opus 4.7,但快得多」。
能力、速度、成本三者叠加,才是它的竞争力所在。也就是说,它干活儿用的Token,只有别人的零头。
Grok 4.5输入价格$2/百万token、输出价格$6/百万token。
相较于Opus 4.8,Token消耗暴减4.2倍。
数万块GB300,炼出一个「Opus级」
Grok 4.5,是SpaceXAI上市后第一张王牌,也是他们联合Cursor交出的第一份答卷。
那么, 它是怎么练出来的?
答案是,数以万计的英伟达GB300 GPU,一次超大规模的训练。但堆算力,只是入场券。
马斯克预告:下周Grok 4.5上下文升级至100万
SpaceXAI真正下死功夫的地方,是数据。
他们对海量语料进行了魔鬼般的过滤、去重和质量打分,确保灌进模型的每一口,都是高信息密度的专业内容。
然后,他们把RL的重心,压在了一个很少有人挂在嘴边的指标上——「单Token智能度」(per-token intelligence)。
而Cursor的加入,是这套飞轮里最关键的一环。
Grok 4.5底座是V9(1.5T),官方介绍,训练时喂进了数以万亿计的Cursor数据。
这些数据记录了真实开发者如何与代码库、与工具、与智能体互动。
这意味着,模型学到的不只是「代码长什么样」,而是「人和AI是怎么一起写代码的」。
而它的训练栈,是为高度异步设计的——
智能体可以连续跑上好几个小时,模型一边干活一边继续学,几万块GPU上的训练一刻不停。
结果就是,它不光会做题,更能在长达数小时的长任务里,扛住多步骤的复杂工程。
打平GPT-5.5,逼近Opus 4.8
这一套训练打法下的Grok 4.5硬核性能,绝对经得起检验。
在几个核心工程榜单上的表现,它可以用「稳」来形容——不是最强,但足够挤进第一梯队。
在DeepSWE 1.0上,它拿下62.0%,压过了Opus 4.8(55.75%),紧咬GPT-5.5(64.31%);
在Terminal Bench 2.1上,它冲到83.3%,和GPT-5.5(83.4%)只差0.1!;
在更硬核的SWE Bench Pro 上,它以64.7%的解决率反超了GPT-5.5(58.6%),逼近Opus 4.8(69.2%)。
在AAAI官方测试中,Grok 4.5排名第四,仅次于Fable 5、GPT-5.5、Opus 4.8。
在Harvey法律智能体基准测试中,位列第一。
不得不说,这份成绩单很能打。
但必须承认的是,当前稳坐铁王座的,依然是Claude Fable。
总言之,Grok 4.5和GPT-5.5基本打平,紧贴Opus 4.8,但离真正的天花板还有一段距离。
马斯克自己也说得很实在:「我们内部的评估是,Grok 4.5大致和Opus 4.7相当,但快得多」。
真正的杀手锏:又快又便宜
Grok 4.5真正的暴击,藏在速度、效率和价格这三个字上。
其的推理速度高达80 TPS(每秒Token数),官方原话是「比flash类模型还快」。
仅凭一句话,它就用Three.js写出了一个太阳系3D模拟器:
支持时间加速,八大行星轨道运动逼真,连HUD面板都做得相当讲究。
效率方面,在SWE Bench Pro任务里,Grok 4.5平均只输出15,954个Token就把问题解决了。
而Opus 4.8做同样的活,平均要吐67,020个Token。
4.2倍,Grok 4.5用了不到对手四分之一的Token,就把同一道工程题做完了。
价格上,输入每百万Token 2美元,输出每百万Token 6美元。
此外还有一个更快的高级版本,定价输入$4/输出$18。
对比一众动辄十几美元起步的顶级模型,这个价格几乎是把成本打到了几乎骨折。
三个数字叠在一起,结论就一句话:
在「单位时间、单位成本能买到多少智能」这件事上,Grok 4.5目前就是那个「性价比之王」。
全网实测:Grok 4.5真实表现
此外,从广大网友的实测反馈中,可以窥见Grok 4.5真实能力的一角。
一句话,直出「我的世界」。
在一个单独的HTML文件中,Grok 4.5能轻松搞定一个完整的高端SaaS页。
Grok 4.5大显身手,在应用内不到一分钟就完成了整套2D+3D设计方案。
AI游戏大神Danny Limanseta用Grok 4.5生成了一款游戏,各种功能齐全。
不过,也有开发者表示,Grok 4.5完全与Opus 4.7不在同一个水平,生成的熔岩灯测试,效果很差。
不是最强,憋着下个月掀桌
今天,马斯克又埋了一颗雷:
Grok深谙工程之道。
下个月的版本会是又一次阶跃式的提升,因为我们正在特斯拉、SpaceX、Neuralink和Boring Company里,闭合解决真实工程问题的那个环。
下个月,再来一次阶跃。 且据传,一个2万亿参数的更大版本已在路上。
跑分,是给外行看的烟花;效率与成本,才是把对手拖进消耗战的真枪实弹。
当模型的智能开始像电力一样按度计费,胜负手就是谁能让智能变得又快、又便宜、又无处不在。
这一次,马斯克没拿最强的牌,却把牌桌掀了。
参考资料:
https://x.ai/news/grok-4-5
https://cursor.com/blog/grok-4-5
本文来自微信公众号“新智元”,作者:ASI启示录,编辑:桃子
