xAI发布Grok 4.5
阅读原文· the-decoder.comxAI发布Grok 4.5，目标编程、智能体任务和知识工作。在Terminal Bench 2.1上得分83.3%，接近GPT 5.5（83.4%）和Fable 5（84.3%）；但在DeepSWE 1.1上仅53%，落后GPT 5.5（67%）和Fable 5（70%）。Grok 4.5定价$2/百万输入token、$6/百万输出token，远低于Opus 4.8（$5/$25）、Fable 5（$10/$50）和GPT-5.5/5.6（$5/$30），且在SWE Bench Pro上比Opus 4.8少用4.2倍token，生成速度80 token/秒。模型现已通过Grok Build、Cursor和xAI控制台可用，暂不支持欧盟，xAI计划7月中旬上线。
Grok 4.5 的价格相比 Fable 5 和 GPT 5.5 如此低廉，以至于基准测试差距可能并不那么重要。
xAI 发布了 Grok 4.5。该模型在数万块英伟达 GB300 GPU 上训练，专攻编码、AI 智能体任务和知识工作。
基准测试结果呈现喜忧参半的局面。在测试复杂命令行任务的 Terminal Bench 2.1 上，Grok 4.5 得分 83.3%，几乎追平 GPT 5.5（83.4%），仅落后 Anthropic 的 Fable 5（84.3%）一个百分点。
但其他方面的差距有所扩大。在衡量解决真实 GitHub 问题能力的 DeepSWE 1.1 上，Grok 4.5 达到 53%，远低于 OpenAI 的 GPT-5.5（67%）和 Fable 5（70%）。在由一系列难度更高的软件工程问题组成的 SWE Bench Pro 上，它得分 64.7%，在某些配置下超过了 Opus 4.8（最高设置下 69.2%），但未能达到 Fable 5 的 80.4%。
| 模型 | DeepSWE 1.1 | Terminal Bench 2.1 | SWE Bench Pro |
|---|---|---|---|
| Fable max | 70% | 84.3% | 80.4% |
| GPT 5.5 xhigh | 67% | 83.4% | 58.6% |
| Opus 4.8 max | 59% | 78.9% | 69.2% |
| Grok 4.5 | 53% | 83.3% | 64.7% |
| GLM 5.2 | 44% | 81.0% | 62.1% |
xAI 表示，他们在训练过程中依赖大量的数据过滤、去重和领域特定筛选，以保持数据质量。强化学习阶段涵盖了数十万个任务，主要来自软件工程领域，并采用自动评分。xAI 构建了异步学习的训练基础设施，因此 AI 智能体运行可以持续数小时，同时训练并行进行。
Grok 4.5 在价格上低于竞争对手
Grok 4.5 的成本为每百万输入 token 2 美元，每百万输出 token 6 美元。这已经远低于竞争对手。Opus 4.8 每百万 token 输入 5 美元、输出 25 美元。Fable 5 每百万 token 输入 10 美元、输出 50 美元。GPT-5.5 和 GPT-5.6 为每百万 token 输入 5 美元、输出 30 美元。
xAI 还表示，在 SWE Bench Pro 任务上，Grok 4.5 使用的 token 数量比 Opus 4.8 少 4.2 倍，并以每秒 80 token 的速度输出结果。更低的每 token 定价和每任务更少的 token 使用量，使 Grok 4.5 成为该性能层级中最便宜的选择——前提是性能和效率提升在实际中能够兑现。
| 模型 | 输入（每百万 token） | 输出（每百万 token） |
|---|---|---|
| Grok 4.5 | 2 美元 | 6 美元 |
| Opus 4.8 | 5 美元 | 25 美元 |
| GPT-5.5 / GPT-5.6 | 5 美元 | 30 美元 |
| Fable 5 | 10 美元 | 50 美元 |
这一定价策略与智谱（Zhipu）和深度求索（DeepSeek）等中国厂商的做法如出一辙：性能足够接近，再靠价格取胜。
Grok 4.5 现已通过 Grok Build、Cursor 和 xAI 控制台提供。Word、PowerPoint 和 Excel 的插件已上线。该模型目前尚未在欧洲上线，xAI 计划于七月中旬推出。xAI 与代码编辑器 Cursor 共同训练了 Grok 4.5，SpaceX 于六月中旬以 600 亿美元股票收购了 Cursor。