2026 年 7 月 8 日,SpaceXAI(没错,这家公司现在叫这个名字了)发布了 Grok 4.5。官方通稿里的定语一如既往地响亮:我们最强的模型、专为编程、智能体任务和知识工作打造。但如果你把这次发布放进过去 72 小时内密集上线的 GPT-5.6、Claude Fable 5 这几场同期竞速里看,会发现一个更有意思的故事——这不是一次吊打全场的发布,而是一场关于性价比、企业站队和信任的多线博弈。先把事实说清楚Grok 4.5 是在数万块 NVIDIA GB300 GPU 上训练出来的,数据集覆盖代码、科学、工程和数学。定价是每百万 token 输入 2 美元、输出 6 美元,推理速度约 80 tokens/s,官方强调其 token 效率是同类模型的两倍——在 SWE Bench Pro 任务上,Grok 4.5 平均只用 15,954 个输出 token 就能完成任务,而 Claude Opus 4.8(max)需要 67,020 个,差了 4.2 倍。目前它已经是 Grok Build(SpaceXAI 的编程智能体)、Cursor 全付费档位,以及 Word/PowerPoint/Excel 插件里的默认模型。欧盟用户暂时还用不了,官方给出的时间是7 月中旬。一个值得注意的细节是:Grok 4.5 是和 Cursor 联合训练出来的——用的是真实调试轨迹和开发者会话数据,而不只是静态代码仓库。这不是巧合,SpaceX 今年早些时候已经以约 600 亿美元的价格在收购 Cursor,两家公司的训练数据早就开始打通了。跑分方面,官方给出的几张图确实好看:在 SWE Marathon 上以 29.0% 的解决率领先 Opus 4.8(max)的 26.0%;在 Terminal Bench 2.1 上以 83.3% 紧咬 GPT 5.5 的 83.4%。但如果把镜头拉远一点,放进 Claude Fable 5(Anthropic 目前最高阶的 Mythos 系列模型)这个参照系,故事就没那么单纯了——在 DeepSWE 1.1 上,Fable 5 拿到 70%,而 Grok 4.5 只有 53%,排在 Opus 4.8 和 GPT 5.5 之后;在被广泛引用的 SWE Bench Pro 上,Fable 5 是 80.4%,Grok 4.5 是 64.7%。第三方评测机构 Artificial Analysis 把 Grok 4.5 排在其智能指数第四位,前面是 Fable 5、GPT-5.5 和 Opus 4.8。也就是说,xAI 自己挑选的对比基准,和独立机构给出的全景排名,呈现出了两种不同的叙事。一:如果只看性价比,这可能是今年最划算的模型单纯比聪明程度,Grok 4.5 排不到第一。但把价格拉进来看,故事完全变了。它的输出定价只有 Fable 5(50 美元/百万 token)的八分之一左右,是 GPT-5.5(30 美元)的五分之一,再叠加它本就更省 token 的特点,单任务综合成本优势相当可观——第三方测算显示,同样跑 Grok Build/Codex/Claude Code 这类智能体任务,Grok 4.5 单任务约 2.49 美元,GPT-5.5 是 5.07 美元,Fable 5 高达 11.80 美元。这也是为什么多篇独立评测不约而同得出类似结论:如果你的工作负载是高频调用工具、跑批量智能体任务而不是啃一个极难的单点问题,Grok 4.5 目前是市面上少见的高性价比选择,甚至在智能体工具调用这一项单科上,Artificial Analysis 给出的成绩是全场第一。这种打不过就卷价格的打法,其实和过去一年 DeepSeek、智谱这些中国厂商的策略颇为相似——不追求碾压式的第一名,而是把够用的智能做到足够便宜。二:跑分之外,专业知识工作上的意外惊喜比编程跑分更值得聊的,是 Snorkel AI 用自家 GDPval 数据集(由各行业专家编写、对标真实工作交付物的评测集)做的一次横评。在约 2000 个法律、医疗、教育、质量分析等真实职场任务上,Grok 4.5 的平均通过率是 29%,明显高于 GPT 5.5 的 22% 和 Opus 4.8 的 21%。差距在需要专业判断力的领域被进一步拉大:法律工作 40% 对 27%-28%,教育类 58% 对 35%-42%,医疗 35% 对 23%-25%。在错误类型分析上,Grok 4.5 在所有六类失误(比如缺少领域分析引用来源缺失)上的出现频率都是三家里最低的。这个结果有点反直觉——一个在纯代码跑分上不算顶尖的模型,却在需要行业知识和判断力的白领工作场景里表现最好。当然,这里也有一个方法论上的公平性问题需要提一句:Snorkel 的测试里 GPT 5.5 和 Opus 4.8 用的是第三方通用智能体框架,而 Grok 4.5 是应 SpaceXAI 要求专门套用了自家的 Grok Build 智能体,这多少给结果留了一点解读空间——到底是模型本身强,还是自家人跑自家赛道更顺手,值得打个问号。三:这次发布背后,是一整套太空互联网 AI的野心理解 Grok 4.5,绕不开一个更大的背景故事:xAI 已经不再是一家独立公司了。今年 2 月 2 日,SpaceX 以全股票交易方式收购了 xAI,交易对整个合并实体的估值达到 1.25 万亿美元,被 CNBC 称为史上最大规模的私人企业并购。5 月,马斯克宣布 xAI 将不再作为独立公司存在,7 月 6 日,官方正式启用SpaceXAI这个新品牌和新 logo。马斯克给出的合并逻辑核心是轨道数据中心——他的判断是地面的电力和散热能力已经跟不上 AI 的胃口,而卫星可以利用太空里持续不断的太阳能和天然辐射散热来托管算力。SpaceX 已经向 FCC 提交了发射多达百万颗卫星、把它们当作近地轨道 AI 计算节点的计划,这也是为什么运载火箭的公司和做大模型的公司最终被装进了同一个法人实体。这场合并之后,SpaceX 在 6 月完成了创纪录规模的 IPO,并顺势以约 600 亿美元收购了 Cursor——也就是本文开头提到的、和 Grok 4.5 联合训练的那家公司。换句话说,Grok 4.5 不只是一次模型迭代,它是马斯克火箭 卫星互联网 AI 社交媒体垂直整合帝国里,目前能拿出手的最新技术展示品。四:便宜和快之外,信任问题仍然是最大的变量如果说这次发布还有什么最大声的讨论,那大概率不是跑分,而是信任。多家评测在夸完性价比之后都补了一句:Grok 系列过去一年里围绕政治立场的争议从未真正平息过——从系统提示词被曝要求假设主流媒体的观点带有偏见到此前因不当言论道歉下架内容,Grok 的反主流、敢说政治不正确的话人设一直伴随着关于马斯克是否在手动调教模型立场的质疑。第三方政治偏见测评也显示,Grok 相比其他主流模型更容易给出极端化(而非居中)的答案。这一次 Grok 4.5 上线后,独立评测同样注意到 Artificial Analysis 的一个数据:模型在 AA-Omniscience 知识准确率指数上从 35% 提升到 52% 的同时,幻觉率却从 25% 同步跳到了 54%——知道得更多了,但自信答错的比例也更高了。对于把它接入客服、法律、医疗这类需要宁可拒答也不要答错的场景来说,这两个信号叠加在一起,比跑分榜单上差几个百分点更值得警惕。写在最后:该怎么看这次发布如果只用一句话总结 Grok 4.5,大概是:它没有重新定义最强模型是谁,但重新定义了够用的智能应该卖多少钱。对于需要跑海量、高频、重复的智能体任务的团队,它的 token 效率和价格是实打实的诱惑;对于需要在最难的多文件重构、最长的上下文场景里追求极限准确率的团队,Fable 5 和 Opus 4.8 目前仍然领先。而所有想把它接入面向真实用户、需要高确定性输出场景的团队,大概都需要认真考虑一下信任和幻觉率这两笔账,而不只是被发布会上那几张漂亮的性价比柱状图说服。这大概也是 2026 年中这波模型发布潮给行业的一个共同提示:当各家的聪明程度越来越接近,决定你该用哪个模型的,可能已经不是谁跑分最高,而是这个模型的脾气,配不配得上你要交给它的那份工作。更多transformerVITswin tranformer 参考头条号人工智能研究所 v号人工智能研究Suo, 启示AI科技动画详解transformer 在线视频教程
