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-5.5（58.6%），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（1.5T）
- Cursor 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 4.5 | GPT-5.5 | Claude Opus 4.8 | Claude Fable 5 |
|---|---|---|---|---|
| SWE-bench Pro | 64.7% | 58.6% | 69.2% | — |
| Terminal-bench 2.1 | 83.3% | 83.4% | 85.0% | — |
| DeepSWE 1.0 | 62.0% | 64.31% | 55.75% | — |
| AAAI 综合排名 | 第 4 | 第 2 | 第 3 | 第 1 |
| Harvey 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-5.5（58.6%）约 6 个百分点，但落后于 Opus 4.8（69.2%）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 5，Grok 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 token
- Claude 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 token
- 8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 4，Fable 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
Q：Grok 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 1.0（62% 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"。
Q：Grok 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 V8（Grok 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。
Q：Grok 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-4-5
- Cursor × Grok 4.5 集成公告：cursor.com/blog/grok-4-5
- Semgrep Terminal-bench 2.1 报告：semgrep.dev/blog
- 多模型 API 对比接入：qiniu.com/ai/models
浙公网安备 33010602011771号