埃隆·马斯克 (Elon Musk) 的 SpaceXAI 于周三发布了 Grok 4.5，这是自 2 月份 SpaceX-xAI 合并结束以及 SpaceX 悬而未决的 600 亿美元收购 Cursor 交易以来，其首款公开模型。它的目标受众是程序员、工程师以及公司所谓的“知识工作者”——这一类别显然涵盖了从软件开发人员到审查合同的律师到构建 Excel 模型的财务团队的所有人。
该公司的宣传并不是说它是最好的模型。它很便宜，至少对于西方型号来说是这样。 Grok 4.5 每百万输入代币的成本为 2 美元，每百万输出代币的成本为 6 美元。 Claude Opus 4.8 是 Anthropic 的主要旗舰产品，运行成本为 5 美元，输出为 25 美元。 GPT 5.6 Sol 是 OpenAI 的新顶级模型，也在周三推出，输入价格为 5 美元，输出价格为 30 美元。
马斯克在 X 上发帖并澄清了他的新模型的实际位置。他称其“与 Opus 4.7 大致相当，但速度更快”。 Opus 4.7 是 Anthropic 之前的旗舰产品； Opus 4.8 自此继承了它。 《克劳德寓言 5》 现在是 Anthropic 的顶级产品。
他将此视为一种深思熟虑的权衡：速度和成本高于原始能力，特斯拉和 SpaceX 的工程师将其视为现实世界实用性的证明。
基准测试实际显示了什么
SpaceXAI 在发射时公布了四项基准测试结果，情况好坏参半。 DeepSWE 1.1 使用标准化测试设置来衡量人工智能关闭开发人员提交的真实软件错误的可靠性，以便可以公平地比较模型，并根据已修复问题的百分比进行评分。 Grok 4.5 的得分为 53%，落后于 Claude Opus 4.8 的 59% 和 GPT 5.5 的 67%。 Anthropic 的前沿模型 Claude Fable 5 以 70% 的成绩位居榜首。
在 SWE Bench Pro（另一个衡量按解决率评分的软件工程问题集合的基准）上，Grok 4.5 的得分为 64.7%，足以在该特定测试中击败 GPT 5.5 的 58.6%。 Opus 4.8 仍以 69.2% 领先，《神鬼寓言 5》则为 80.4%。
该公司的基准测试是与 GPT 5.5 进行比较，而不是与 GPT 5.6 进行比较，因为后者也在周三发布，即在 Grok 4.5 发布几个小时后。
SpaceXAI 与最近收购的 Cursor AI 合作，在 Colossus 内的数万个 Nvidia GB300 GPU 上训练了 Grok 4.5，Colossus 是孟菲斯超级计算机，总容量超过 200,000 个 GPU。在相同的基准测试中其模型高于其模型的实验室不拥有任何接近该硬件的东西。出来的模型具有竞争力，只是不是第一。
这种模式在多个版本中都遵循 Grok。 SpaceXAI 一直以巨大的计算成绩和第三名的成绩出现。 Grok 4.5 改变的是定价和训练信号。
实际情况如何
更好的论点不是原始性能，而是性能。这是效率数学。在 SWE Bench Pro 任务中，Grok 4.5 平均使用 15,954 个输出令牌来完成每项作业。 Opus 4.8 为同一作品烧掉了 67,020 个代币，差距为 4.2 倍。
对于大量运行人工智能的团队来说，除了每个代币的价格已经较低之外，这种差异还可以带来真正的节省。即使 Grok 4.5 在质量基准中得分如此之低，更便宜的代币和更高的使用效率允许更多的迭代，而无需花费太多。
该模型还以每秒 80 个代币的速度运行，这是快速模型领域。 Grok 4.5 使用来自 Cursor 的开发人员会话数据进行训练，包括调试跟踪和实际代码编辑，而不是静态存储库。正如马斯克在法庭上承认的，xAI 的训练实践之前就曾受到过审查；这次管道穿过 SpaceX 正在直接购买的平台。
对于运行大量编码任务的开发人员来说，数学是有效的：每个输入令牌的性能大约减少 60%，Opus 4.7 的性能就可以了。对于任何追求前沿的人来说，《克劳德寓言 5》在 SpaceXAI 选择发布的每个类别中都处于领先地位。我们使用 Hermes 上的 Grok 进行的快速测试对于创意写作来说平庸，而对于简单的编码任务则可以接受。
该模型可通过 API 使用，在 Hermes 和 Grok 上构建，具有 50 万个上下文标记（略少于 400,000 个单词）。欧洲用户需要等待才能使用； SpaceXAI 表示 Grok 4.5 将于 7 月中旬到达欧盟。