SpaceXAI公司正式发布了Grok 4.5——这款全新旗舰模型专注于编程、智能体协作以及复杂智力任务的解决。新闻稿中称其为公司产品组合中"最强大的系统"。然而，关键重点并不在于基准测试的绝对领先，而在于价格、速度和效率之间的平衡。
Grok 4.5现已通过API提供，并已集成到Grok Build和Cursor平台的所有套餐中。欧盟用户暂时无法使用——该地区预计将于七月中旬上线。
定价策略成为最大王牌
SpaceXAI为Grok 4.5提供的定价为：每百万输入token 2美元，每百万输出token 6美元。这远低于直接竞争对手。作为对比：Anthropic的Claude Opus 4.8分别为5美元和25美元，Claude Fable 5为10美元和50美元，OpenAI的GPT-5.6 Sol为5美元和30美元。即使在OpenAI自家产品线中，Luna模型的输入token价格为1美元，但输出token价格为6美元，与Grok 4.5相当。
埃隆·马斯克将这款新品形容为"Opus级别的模型，但更快、更便宜、token效率更高"。据他所说，SpaceXAI的内部测试显示，Grok 4.5"与Opus 4.7大致相当，但速度快得多"。
基准测试结果：喜忧参半，但前景可期
SpaceXAI公布的数据呈现出复杂局面。在DeepSWE 1.0测试中，Grok 4.5获得62%，落后于Fable（66.1%）和GPT-5.5（64.31%），但超过了Claude Opus 4.8（55.75%）和Opus 4.7（40.12%）。更新的DeepSWE 1.1基准测试显示结果为53%——低于Opus 4.8（59%）、GPT-5.5（67%）和Fable（70%）。
在SWE Bench Pro上，该模型达到64.7%，高于GPT-5.5（58.6%），几乎与Opus 4.7（64.3%）持平，但低于Opus 4.8（69.2%）和Fable（80.4%）。在Terminal Bench 2.1中，Grok 4.5取得83.3%的成绩——与GPT-5.5（83.4%）几乎相同，略逊于Fable（84.3%）。而在SWE Marathon上，该模型以29%的成绩位居第一，领先于Opus 4.8（26%）和Fable（24%）。此外，它还宣称在Harvey法律智能体基准测试中处于领先地位。
Token经济：SpaceXAI的真正优势所在
Grok 4.5最有力的论据并非原始分数，而是token使用效率。在SWE Bench Pro任务中，该模型平均每个任务消耗15,954个输出token。而Claude Opus 4.8的这一指标为67,020个token——高出4.2倍。在token单价更低的情况下，这意味着在需要大量迭代的场景中（如修复bug、生成修改、代码审查和智能体循环），最终成本将大幅降低。
SpaceXAI还宣称其生成速度约为每秒80个token，上下文窗口为50万个token。该模型被定位为质量、速度和成本之间的折中方案——这正是大规模工业部署所需要的。
与Cursor的关联及战略背景
值得注意的是，Grok 4.5是在与AI服务Cursor的紧密合作下训练的，SpaceX最近已达成以600亿美元收购该服务的协议。训练过程中使用了Cursor开发者的会话数据，包括调试追踪和实际代码修改，而不仅仅是静态代码库。这解释了该模型为何高度专注于实际编程任务。
为训练Grok 4.5，该公司动用了数万个Nvidia GB300 GPU。该模型成为埃隆·马斯克将AI方向与SpaceX合并后的首批大型模型之一。
我的专家观点：SpaceXAI并不追求在所有测试中做到最好，而是致力于在实际使用场景中实现最高的经济效率。在推理成本成为AI规模化关键因素的时代，这种策略可能比追逐抽象的基准测试记录更具优势。如果Grok 4.5确实能在token消耗减少4倍的情况下提供相当的质量，这可能会彻底重塑企业级AI模型市场格局。