Grok 4.5 发布及深度解析：不是最强，但可能是最划算的旗舰模型

发布日期2026 年 7 月 9 日 | 数据来源xAI 官方、Cursor 博客、Semgrep 基准测试xAI 于 2026 年 7 月 9 日正式发布 Grok 4.5这是 SpaceX 旗下 AI 部门上市后的第一张王牌基于 1.5 万亿参数 V9 底座联合 Cursor 引入数万亿真实开发者编程交互数据训练而成。SWE-bench Pro 得分 64.7% 超越 GPT-5.558.6%Terminal-bench 2.1 以 83.3% 与 GPT-5.5 仅差 0.1 分而完成同一工程任务消耗的 token 数仅为 Claude Opus 4.8 的四分之一——马斯克本人给出的定位是大致相当于 Opus 4.7但快得多。它不是当前最强的模型但在单位成本智能密度这个维度Grok 4.5 目前是头部模型里最激进的挑战者。Grok 4.5 是什么定位在哪里Grok 4.5 是 xAI 专为编码和 AI Agent 场景设计的旗舰推理模型由马斯克旗下 SpaceX AI 部门xAI与 AI 代码编辑器 Cursor 联合打造2026 年 7 月 9 日正式发布。区别于此前版本Grok 4.5 的两个核心技术决策是底座升级从 V8 切换至 V9 架构参数规模从 5000 亿增至1.5 万亿1.5TCursor 数据注入训练时引入数以万亿计的 Cursor 用户交互数据——记录了真实开发者如何与代码库、工具链、AI Agent 协作的全过程而非仅仅是代码本身训练硬件数万块 NVIDIA GB300 GPU异步训练架构允许智能体连续运行数小时模型边推理边学习。马斯克在 X 上直言“Grok 4.5 大致相当于 Opus 4.7但快得多。”关键基准数据挤进第一梯队基准测试Grok 4.5GPT-5.5Claude Opus 4.8Claude Fable 5SWE-bench Pro64.7%58.6%69.2%—Terminal-bench 2.183.3%83.4%85.0%—DeepSWE 1.062.0%64.31%55.75%—AAAI 综合排名第 4第 2第 3第 1Harvey 法律 Agent第 1———几个值得单独拎出来的数字SWE-bench Pro 64.7%超越 GPT-5.558.6%约 6 个百分点但落后于 Opus 4.869.2%约 4.5 个点。马斯克 “相当于 Opus 4.7” 的判断在这个榜单上基本准确Opus 4.7 为 64.3%Terminal-bench 2.1 83.3%与 GPT-5.5 的 83.4% 只差0.1 个百分点几乎是并列DeepSWE 1.0 62.0%超过 Opus 4.8 的 55.75%是 Grok 4.5 在这三项里表现最亮眼的一个Harvey 法律 Agent 第 1在法律行业智能体基准中排名第一覆盖长文档理解与专业推理任务当前综合能力天花板依然是Claude Fable 5Grok 4.5 在 AAAI 综合评测中排第 4与 Opus 4.8 基本属于同一梯队。真正的杀手锏token 效率是 Opus 4.8 的 4.2 倍Grok 4.5 最具竞争力的数字不是跑分而是 token 消耗效率。在 SWE-bench Pro 任务中Grok 4.5 平均完成任务消耗15,954 tokenClaude Opus 4.8 (max) 完成同一任务消耗67,020 token差距4.2 倍换算成直接成本——用 Grok 4.5 完成同一道工程任务花的钱不到 Opus 4.8 的四分之一。推理速度方面官方公布80 TPS每秒生成 token 数xAI 描述为比 flash 类模型还快。定价版本输入输出标准版$2 / 百万 token$6 / 百万 token高级版$4 / 百万 token$18 / 百万 token对比市场主流旗舰模型Opus 4.8 输入 $15、输出 $75标准版输入价格仅为其13%输出价格仅为其8%。Cursor 的角色不只是数据来源Grok 4.5 和 Cursor 的合作通常被简化为用了 Cursor 的数据但这只说对了一半。Cursor 提供的数据记录了开发者如何在多文件代码库中与 AI 协作提出问题、接受/拒绝建议、迭代修改、运行测试。这意味着 Grok 4.5 学到的不只是代码语法而是人机协作写代码的完整流程。这也解释了它在 Agent 类评测中表现异常稳定的原因——真实工程场景下的长任务数小时连续运行、多步骤工具调用正是 Cursor 用户日常行为的核心。目前 Cursor 已将 Grok 4.5 集成进编辑器开发者可直接在 IDE 中调用。接下来的路线图xAI 给出了明确的后续计划近期马斯克称下周Grok 4.5 上下文长度升级至100 万 token8月预告2 万亿参数更大版本马斯克表示会是又一次阶跃式提升特殊数据飞轮正在特斯拉、SpaceX、Neuralink、Boring Company 内部闭合解决真实工程问题的强化学习环路训练信号来自真实工程任务的反馈如果飞轮跑通下一个版本的跑分数字可能会与 Grok 4.5 不在同一量级。Grok 4.5 适合谁用场景推荐度理由SWE Agent / 自动化代码修复★★★★★SWE-bench Pro 排名靠前token 消耗仅为竞品 1/4法律/合规类 Agent★★★★★Harvey 法律 Agent 基准第 1高并发编程辅助IDE 集成★★★★☆80 TPS已上线 Cursor长上下文文档分析★★★☆☆目前 128K下周升至 1M 后可重新评估追求综合能力天花板★★☆☆☆AAAI 第 4Fable 5 Opus 4.8 仍是更优选择在 API 接入侧支持标准 OpenAI SDK 格式调用国内开发者可通过七牛云 AI 大模型广场等统一推理接口按需切换无需为每家平台单独配置 SDK。常见问题QGrok 4.5 和 Claude Opus 4.8 谁更强整体而言 Opus 4.8 仍然更强SWE-bench Pro Opus 4.8 以 69.2% 领先 Grok 4.5 的 64.7%AAAI 综合排名 Opus 4.8 第 3、Grok 4.5 第 4。但 Grok 4.5 在 DeepSWE 1.062% vs 55.75%上反超并且以 4.2 倍的 token 效率优势大幅降低了实际使用成本。马斯克自己的表述是大致相当于 Opus 4.7。QGrok 4.5 的 1.5T 参数是怎么来的Grok 4.5 基于 xAI 自研 V9 基础架构相比前代 V8Grok 4.3 约 5000 亿参数参数规模扩展至 1.5 万亿。训练时除常规预训练语料外额外引入了 Cursor 平台的数以万亿计的开发者交互数据并在 NVIDIA GB300 GPU 集群上以高度异步的方式完成训练。QGrok 4.5 的上下文现在是多少发布时默认上下文长度为 128K马斯克已在 X 上预告将于近期约发布后一周升级至100 万 token届时将与 GLM 5.2、DeepSeek V4 并列支持超长上下文。结语Grok 4.5 的出现让最强和最划算之间的距离第一次被明确量化用不到 Opus 4.8 四分之一的 token 消耗完成同等质量的工程任务。对于追求天花板性能的场景Fable 5 和 Opus 4.8 依然是更优选择但对于追求单位成本智能密度最大化的开发者和企业——尤其是高并发 Agent 场景——Grok 4.5 开了一个不容忽视的口子。据 xAI 官方发布信息2026 年 7 月 9 日、Cursor 博客、Semgrep Terminal-bench 2.1 报告及 AAAI 模型评测上述数据均可公开查证。本文内容基于发布当日数据Grok 4.5 尚在快速迭代中上下文升级、2T 参数版本均已预告建议关注 x.ai 官方渠道获取最新动态。延伸资源Grok 4.5 官方发布博客x.ai/news/grok-4-5Cursor × Grok 4.5 集成公告cursor.com/blog/grok-4-5Semgrep Terminal-bench 2.1 报告semgrep.dev/blogGrok API 对比接入