随着GPT 5.6确认将于明日发布，今天几乎是人们对GPT 5.5同级别模型发布感到兴奋的最后一天，而SpaceXAI正是在此时推出了新一代模型——Grok 4.5。
Grok 4.5属于与Composer系列（1.5万亿参数）不同的模型重量级，尽管评测表现稳健，其性能仍与现有主力Opus和GPT系列相当。值得注意的是，根据OpenAI评测团队的反馈，曾经强大的SWE-Bench Pro评测已趋于饱和并存在终极缺陷，未来可能由FrontierCode等少数新兴基准接替。
关于训练和数据的具体细节，目前公开的信息有限。
AI Twitter综述
头条新闻：Grok 4.5发布
事件回顾
- xAI（即SpaceXAI）正式发布了Grok 4.5，这是一款专注于编程和智能代理的前沿模型，强调每美元性能而非绝对基准领先。
- 埃隆·马斯克最初表示，基于强劲的测试反馈，Grok 4.5将于“明天”公开发布，称其为“Opus级别”，但速度更快、令牌效率更高且成本更低。
- 马斯克随后在内部将Grok 4.5描述为“与Opus 4.7大致相当，但速度更快”，强调其对特斯拉和SpaceX工程师的实用价值，而非单纯追求基准排名。
- xAI官方账号宣布，Grok 4.5是“首个专门针对编程和智能代理训练的模型”，由Cursor协助训练，具备“领先速度和成本效率的前沿智能”。
- Cursor方面称，Grok 4.5是“迄今为止最强大的模型”，也是“首个超越软件工程领域的模型”，并宣布产品内提供首周双倍使用量。
- Cursor澄清，Grok 4.5与Composer属于不同的模型重量级，Composer 2.5及其后续小型模型仍将继续提供。
- 生态系统支持迅速跟进：Grok 4.5已在Grok Build、API和Cursor平台上线，Hermes Agent宣布首日支持，随后确认在Hermes Agent、Portal、OpenRouter和Grok订阅中可用。
- 马斯克表示，模型的上下文窗口预计将在下周从50万令牌恢复至100万令牌。
官方定位与产品细节
- xAI官方强调，Grok 4.5并非“最佳整体模型”，而是接近Opus质量但在经济性和速度上有显著优势。
- 具体表述包括：“Opus级模型，但更快、更高效且成本更低”、“首个专门为编程和智能代理训练的模型”、“领先速度和成本效率的前沿智能”、“迄今最强大且超越软件工程的模型”。
- 该定位表明，xAI明确瞄准了近期由Anthropic、OpenAI和Cursor主导的编程-代理工作流市场，而非仅限于通用聊天。
价格与上下文
- 官方定价为：输入令牌2美元/百万，输出令牌6美元/百万。
- 人工分析补充：缓存命中令牌价格折扣75%，即0.5美元/百万；超过20万令牌的长输入费用翻倍；上下文窗口为50万令牌（低于Grok 4.3的100万）；保留视觉输入和可配置推理功能。
- 马斯克预计上下文窗口很快将恢复至100万令牌。
- 用户对比价格：Grok 4.5为2美元输入/6美元输出，GPT-5.6为5美元输入/30美元输出，Opus 4.8为5美元输入/25美元输出。
模型规模
- 根据第三方报道，Grok 4.5参数量为1.5万亿，是Grok 4.3的3倍。
- 这一显著提升被视为xAI首次进入真正旗舰级编程-代理模型行列的标志，而非简单迭代升级。
基准测试与独立评估
-
人工分析提供了最详尽的外部评测。
-
主要结果包括：
- 人工分析智能指数排名第4，得分54，仅次于Fable 5、GPT-5.5和Opus 4.8。
- 相较Grok 4.3提升16分。
- GDPval-AA v2 Elo得分1543，排名第4，落后于Anthropic最新Claude版本。
- τ³-Banking测试得分33%，高于GPT-5.5的31%。
- 编码代理指数得分76，与GPT-5.5在Codex表现相当，略低于Claude Code中的Fable 5。
- 智能指数任务成本为0.31美元，GDPval任务成本0.49美元，编码代理任务成本2.59美元。
- 智能指数任务平均输出令牌约1.4万，较Opus 4.8低60%以上。
- 编码代理任务平均总令牌为190万，远低于Claude Code的720万和Codex的620万。
-
人工分析总结认为，Grok 4.5在能力上接近前沿水平，但在效率上表现尤为突出，处于成本与性能的帕累托前沿。
-
马斯克也特别强调了人工分析的评估结果。
Grok 4.5的发布标志着SpaceXAI在AI前沿领域的快速推进，尤其是在编程和智能代理方向上展现出强劲的竞争力和成本优势。未来随着上下文窗口的扩展及生态系统的完善，Grok 4.5有望成为开发者和企业的重要选择。
