马斯克深夜掀桌！Grok 4.5突袭AI圈

凌晨。

马斯克又干了。

7月8日深夜,当OpenAI还在为第二天的GPT-5.6发布会做最后彩排时，马斯克旗下的SpaceXAI突然甩出一张牌。Grok 4.5，正式上线。

没有提前一周的预热，没有精心编排的发布会。一条推文,直接开干。

抢在GPT-5.6前面一天发布,这时间点选得够狠。

grok-app

grok-app

这周AI圈炸了

7月的第二周，AI圈像过年一样热闹。

OpenAI的GPT-5.6 Sol定在周四发布,搭载全新ultra多智能体模式。Anthropic的Claude Fable 5也在扩大访问范围。马斯克偏要在这个节骨眼上插一脚,提前一天把Grok 4.5甩了出来。

三个顶级AI厂商同一周密集发布,这在AI史上还是头一遭。有人在X上调侃,这哪是发布会,这是赶集。

热闹归热闹,到底谁在裸泳,得看真本事。

Grok 4.5到底是什么来头

先说技术底座。

Grok 4.5基于xAI第九代基础模型V9，参数量约1.5万亿。上一代V8-small只有它三分之一的大小。训练用了数以万计的英伟达GB300 GPU，跑在位于孟菲斯的Colossus超级计算机上,总容量超过20万块GPU。

但堆算力只是入场券。真正让这个模型与众不同的,是数据。

grok-spacexai

grok-spacexai

SpaceXAI花了600亿美元收购Cursor,这个编程工具平台沉淀了数以万亿计的真实开发者编程交互数据。Grok 4.5的训练就喂了这些数据进去。

模型学到的远超代码本身。调试痕迹、真实代码编辑、工具调用链路,全都被灌进了训练管道。它掌握的是人和AI怎么一起写代码的全过程。

马斯克在X上给这个模型定了个调。他说内部评估大致相当于Opus 4.7,但速度快得多。能力、速度和成本三者结合,才是竞争力所在。

Opus 4.7是Anthropic的上一代旗舰,已经被Opus 4.8取代了。Claude Fable 5现在是Anthropic的最强模型。

换句话说,马斯克自己承认Grok 4.5还在追赶上一代对手。但他追的方式很特别。

跑分，不吹不黑

先看硬数据。

SpaceXAI发布了四个核心基准测试结果，画面相当复杂。

grok-benchmark

grok-benchmark

在DeepSWE 1.0上，Grok 4.5拿下62.0%,压过了Opus 4.8的55.75%,紧咬GPT-5.5的64.31%。这个测试衡量的是AI修复真实软件bug的能力。

在Terminal Bench 2.1上,它冲到83.3%,和GPT-5.5的83.4%只差0.1个百分点。几乎打平。

在SWE Bench Pro上,它以64.7%的解决率反超了GPT-5.5的58.6%,逼近Opus 4.8的69.2%。但Fable 5以80.4%遥遥领先。

在Harvey法律智能体基准测试中,Grok 4.5排名第一。这说明它在法律等知识工作领域有独特优势。

但必须说一句实话。当前稳坐铁王座的,依然是Claude Fable 5。它在几乎每个测试中都领先。Grok 4.5和GPT-5.5基本打平,紧贴Opus 4.8,但离真正的天花板还有一段距离。

更有意思的是,这些跑分数据目前都是SpaceXAI自己发布的。独立评测机构Artificial Analysis和Chatbot Arena通常会在模型公开后几天内给出自己的评分。在那之前,这些数字都是厂商自报的。

跑分好看,但能信几分,得等等独立验证。

真正的杀手锏藏在价格里

跑分只是故事的一半。Grok 4.5真正的暴击,在速度、效率和价格这三个数字上。

推理速度80 TPS,每秒输出80个Token。官方原话说比flash类模型还快。

价格方面，输入每百万Token 2美元,输出每百万Token 6美元。对比一下,Claude Opus 4.8是5美元输入、25美元输出。GPT-5.6 Sol是5美元输入、30美元输出。

Grok 4.5的价格不到同类顶级模型的一半。

但最惊人的数字在Token效率上。在SWE Bench Pro任务里,Grok 4.5平均只输出15,954个Token就搞定了问题。Opus 4.8做同样的活,平均要吐67,020个Token。

4.2倍的差距。

同样的工程题，Grok 4.5用了不到对手四分之一的Token就做完了。对于跑量的团队来说,这个差距会复利累积成真金白银的节省。

kilo-cost

kilo-cost

据Cursor Bench数据,Grok 4.5每任务成本约1.51美元,仅为Fable 5 Max的十分之一左右。

有人算了一笔账。如果原来每月在Opus上花1000美元,换成Grok 4.5可能200到500就够了。省下来的钱,够再雇半个实习生。

便宜归便宜,真能干活吗？

开发者实测，有人叫好有人翻车

光看跑分没用,得看真刀真枪的实测。

X上的AI博主Theo提前一天测了Grok 4.5。他的评价很直接,相当不错,价格真的良心。好到必须做一期视频来讲。

Miles Deutscher在X上发了条推文,说这是xAI一年来第一个让他眼前一亮的模型。他直接给了个评价,市面上性价比最高的LLM,有些跑分甚至接近Fable级别的智能,但只要十分之一的价格。

Julien Talbot的总结更精炼。他说过去两年AI行业让你二选一,要么聪明但慢,要么快但蠢。Grok 4.5拒绝二选一。

不过也不是一片叫好。

独立测试平台TryAI做了个build-off,让Grok 4.5、GPT-5.5、Opus 4.8和Fable 5用同一个prompt生成应用程序。

结果很有意思。Grok 4.5在第一轮就翻车了。让它做个3D魔方,第一次渲染出来只有标题和按钮,魔方根本没出来。重试一次才成功。而Claude两兄弟第一次就搞定了完整的3D魔方。

但在重力粒子模拟和打砖块游戏上,Grok 4.5表现出色。尤其是速度,110 tokens/秒的吞吐量,大约是其他模型的两倍。每次回复成本也是最低的。

Kilo Code Reviewer做了一个更硬核的测试。他们在一个React应用里埋了15个bug,让五个模型来review代码。

结果是Opus 4.8抓到最多,10个。但惊喜在第二梯队。Grok和Sonnet 4.6并列抓到9个,而Grok每次运行成本只要8美分,不到Opus的十分之一。

更关键的是,Grok在最难的bug上给出了最完整的分析。那个bug涉及三个文件之间的状态联动,Grok一次性把根因和修复方案都讲清楚了。没有任何一个前沿模型比它讲得更透彻。

不过Grok也有明显的盲区,日期数学。涉及时区和重复调度的bug它全漏了。

snorkel-benchmark

snorkel-benchmark

有网友总结得很到位,说这是AI圈的拼多多,专攻低价市场,聪明不聪明先放一边。也有开发者实测后说,性价比确实高,但代码质量跟Opus还有差距,复杂工程容易翻车。

Decrypt自己的测试也印证了这一点。他们的创意写作测试结果不太理想,简单编程任务还算过得去。

叫好和翻车并存,这才是真实的样子。

营销话术里藏着什么

冷静下来看,有几个细节值得注意。

第一,Cursor的训练数据是后来补充进去的,没有从一开始就参与预训练。xAI自己的工程师都承认,补充加入的效果不如从一开始就融合。下一个模型据说会从预训练阶段就纳入这些数据。

第二,目前发布的跑分都是SpaceXAI自家的数据。独立评测还没出来。在那之前,一切厂商自报的数字都需要打个问号。

第三,Grok 4.5目前在欧洲还不能用。SpaceXAI说预计7月中旬开放欧盟市场。

第四,马斯克说Grok 4.5对标的是Opus 4.7,但Opus 4.7已经是上一代了。Anthropic现在最强的Fable 5,在所有公开跑分上都领先Grok 4.5。用上一代对手来对标,这个策略本身就说明了一些问题。

但话说回来,马斯克要的从来就不是跑分第一。

这盘棋比你想的大

SpaceXAI现在手里攥着三样东西,算力、模型、还有产生训练数据的编程工具。Colossus超级计算机提供算力,V9模型是底座,Cursor贡献真实的开发者工作流数据。三者合一,形成了一个垂直整合的飞轮。

Grok 4.5是这个飞轮的第一个可见产出。

据Snorkel AI的GDPval+专业任务基准测试,Grok 4.5在真实专业交付物上的平均通过率是29%,超过了GPT-5.5的22%和Opus 4.8的21%。尤其在法律、教育、医疗等领域表现突出。

这说明在脱离跑分环境的真实工作场景里,Grok 4.5的表现可能比跑分暗示的更好。

跑分是给外行看的烟花,真实场景里的可用性才是内行关心的东西。

马斯克在发布当天还埋了颗雷。他说下个月的版本会是又一次阶跃式提升,因为他们正在特斯拉、SpaceX、Neuralink和Boring Company里闭合解决真实工程问题的那个环。

据传,一个2万亿参数的更大版本已经在路上。

image

image

这一次,马斯克没出最强的牌

回头看Grok 4.5的发布,它最聪明的地方恰恰在于没追求最强。

跑分上它排第三第四,价格上它遥遥领先。速度上它比flash模型还快,Token效率是对手的四倍。对于跑量的企业客户来说,账算完就知道该选谁。

用对手十分之一的钱买到八成功力,这个策略在商业上比追求跑分第一更务实。

AI竞赛的下半场,胜负手已经变了。谁能让智能变得又快、又便宜、又无处不在,谁就赢。当模型的智能开始像电力一样按度计费,效率就是一切。

马斯克这次没拿最强的牌。但他把牌桌掀了。

至于Grok 4.5到底能走多远,等独立评测结果出来,等下个月的2万亿参数版本落地,答案自然会浮出水面。

现在下结论还太早。但有一件事可以确定,这场AI军备竞赛,远没有到终局。