Elon Musk 宣布 Grok 4.5 在 Long-Horizon Terminal-Bench 排名第一，完成 13 个任务（共 46 个）。此前 5 月论文显示最佳模型仅完成 7 个，平均约 2 个。Grok 4.5 单任务消耗约 990 万 tokens、231 个 episode、85 分钟，智能体能力两月内近乎翻倍。xAI 宣传其 4.2 倍输出 token 效率，实际输入侧效率更高：Grok 4.5 解题步骤减半，减少上下文重传成本（每百万 tokens 输入 2 美元、输出 6 美元）。分析认为性能跃升源于与 Cursor 联合训练，后者提供大量真实智能体编辑轨迹。