TECH

Grok 4.5 发布：xAI 的 Opus 级、低成本编程模型

23+

Signals

战略概览

01.
SpaceXAI 于 2026 年 7 月 8 日发布了 Grok 4.5——这是该公司上市后的首款模型——定价为每百万输入 token 2 美元，每百万输出 token 6 美元，而 Claude Opus 4.7 的价格为 5 美元/25 美元。马斯克称其为‘一个 Opus 级别的模型，但速度更快、token 效率更高、成本更低。’
02.
据称该模型运行在一个新预训练的‘V9’基础模型上——这一名称和规模由一次独立技术分析估算得出，但 xAI 尚未正式确认——该模型通过 xAI 收购 Cursor 后获取的开发者会话数据联合训练，这笔交易的估值据报接近 600 亿美元。
03.
各媒体的基准测试结果褒贬不一：Grok 4.5 在 SWE Marathon 基准测试中领先（29.0% 对比 Claude Opus 4.8 的 26.0%），在 Terminal Bench 2.1 上几乎与 GPT 5.5 持平（83.3% 对比 83.4%），但在 DeepSWE 1.1 上落后于 Opus 4.8（53% 对比 59%），而在 SWE Bench Pro 上每项任务仅使用了约四分之一的 token（15,954 对比 67,020）。
04.
马斯克还表示，Grok 4.5 有助于证伪一个存在了约 30 年的图论猜想，但截至目前，尚无链接的同行评审论文或独立的形式化验证来支持这一结果。

深度分析

真正的突破并非更大，而是 Cursor 的数据

Grok 4.5 并非其前身的轻量微调——一次独立技术分析估计它运行在一个新预训练的‘V9’基础模型上，尽管 xAI 尚未正式确认这一说法。但更具决定性的输入是数据，而非模型规模。在 xAI 据报收购 Cursor（估值接近 600 亿美元）^[1]后，真实的开发者会话编码数据被纳入训练，Grok 4.5 现已内置于 Cursor 的所有订阅计划中，而非作为附加集成 ^[2]。这种优势在原始排行榜排名中体现不多，更多体现在效率上：在 SWE Bench Pro 上，Grok 4.5 每项任务仅使用 15,954 个 token，而 Claude Opus 4.8 使用了 67,020 个 ^[3]，这一差距更可能是由实用的、真实世界的编码轨迹而非单纯的参数数量所解释。这比‘最大模型获胜’的故事更低调，但可能更具持久性：xAI 实质上通过购买获得了训练数据优势，而没有专属 IDE 关系的竞争对手难以复制。

一次可能挤压 Anthropic 和 OpenAI 的降价

最引人注目的数字是定价：每百万输入 token 2 美元，每百万输出 token 6 美元，而 Claude Opus 4.7 为 5 美元/25 美元 ^[4]。这并非边际折扣——在输出端，每 token 成本仅为对手的四分之一到五分之一，而输出 token 在代理式编程支出中占主导地位。分析师认为这是有意为之的竞争策略，而非效率的副产品：Futurum Group 的 Bradley Shimmin 认为，SpaceXAI 的编程聚焦对市场有利，因为它提升了竞争压力，最终使企业买家受益 ^[5]；Counterpoint 的 Neil Shah 表示，这一定价‘可能通过为高体积编码和代理式 AI 工作负载提供低成本选项，对企业的 AI 定价施加压力’^[5]。其他报道明确将其视为一场可能动摇 Anthropic 和 OpenAI 在高体积编码和代理式工作负载上利润率的潜在价格战 ^[6]。时机进一步加剧了竞争：Grok 4.5 与 OpenAI 新模型发布的时间窗口相近，将本可能是一次常规更新转变为三方在定价与能力上的对峙 ^[7]。

马斯克罕见的克制态度遭遇开发者的分歧评价

马斯克本人的表述引人注目的是其与典型发布炒作的迥异。他并未宣称绝对优势，而是描述 Grok 4.5 为‘尚未达到 Fable 的水平，但它非常快、成本效益高，能完成任务’^[8]——这种克制、近乎‘工作马’式的表述承认了在原始能力上的差距，转而押注速度与成本。这种克制与开发者群体的实际反馈一致：一些人报告称，在真实编程会话中，它以一小部分价格实现了接近 Opus 级别的质量，称赞其低 token 消耗和强大的工具调用能力；而另一些人则描述它在复杂或长上下文任务中容易失去焦点、过度设计解决方案，或‘在错误时非常自信’。一些代理式失败的案例（包括一次生产数据库被删除）与第三方开发者对其快速融入现有工作流的由衷热情并存。这种基准测试表述与实际体验之间的差距本身就是一个故事：Grok 4.5 在 SWE Marathon 上对 Opus 4.8 的领先 ^[9]，在你是按 token 计价还是在调试一个崩溃的构建时，解读截然不同。

一项尚无人验证的数学突破

除了编程基准测试，马斯克还宣传了一个更惊人的主张：Grok 4.5 有助于解决一个存在约 30 年的图论猜想，在一个说法中，它围绕泊松半群的超收缩性构建了一个反例 ^[8]；在另一个说法中，它在一次常规 Slack 讨论中大约八分钟内证伪了该假设 ^[10]。这两个说法在细节上并不完全一致，且截至目前，均未附带链接的同行评审论文或独立的形式化验证 ^[8]。这种差距的重要性超越了这一个案：它生动展示了，仅仅因为一位知名人物明确陈述，一个未经验证的 AI 主张如何能迅速被当作既定事实传播。此次发布也非孤立事件——它与市场上其他前沿模型的发布几乎同期，增加了快速宣传一个吸引眼球成果的压力，而非等待审查。在独立数学家正式验证其工作之前，该猜想主张最好被视为一个营销数据点，而非已验证的科学成果。