产品发布 · 小互解读

xAI 发布 Grok 4.5：性能直逼 Opus 4.8，吐字快约 2 倍、输出价约四分之一

DeepSWE 排第三、综合榜第 4；比 Opus 4.8 更快，也明显更便宜。
一分钟速览
  • xAI 发布 Grok 4.5：官方与马斯克口径接近「Opus 级」，但主打更快更省；与 Cursor 联合训练，定位编程、agentic 与知识工作。
  • DeepSWE 1.0 得 62.0% 排第三；SWE Marathon 29% 排第一；第三方 Artificial Analysis 综合榜第 4（得分 54），Coding Agent 指数 76 与 GPT-5.5 持平。
  • 吐字约 80 TPS，大约是 Opus 4.8 的两倍快；输出价 $6/百万 token，约是 Opus 4.8（$25）的四分之一；AA 测单任务成本约 $0.31，幻觉率升到 54%。
  • 定价每百万输入 token 2 美元、输出 token 6 美元；已是 Grok Build 默认模型，接入 Cursor 全部套餐，并上线 Word / PowerPoint / Excel 官方插件。
  • 训练用了数万张 NVIDIA GB300 GPU，强化学习覆盖数十万项以软件工程为核心的任务；欧盟地区暂未开放，预计 7 月中旬上线。
⚑ 立场提示：本文是 xAI 官方发布内容的解读。文中的跑分、80 TPS 速度、约两倍 token 效率、定价均为 xAI 官方给出的数据，部分为自评或与自选竞品的对比，未经第三方独立复现。
1 发布

xAI 发布新旗舰 Grok 4.5

xAI 于 2026 年 7 月 8 日发布 Grok 4.5，把它定位成自家目前最强的模型，主打写代码、agentic 任务和知识工作，训练过程和代码编辑器 Cursor 联合完成。

Grok 4.5 把旗舰级的推理能力，压进了快速模型的速度和成本里：以 80 TPS 运行，官方称同类任务的 token 消耗约为主流旗舰模型的一半，定价每百万输入 2 美元、输出 6 美元。
⚡ 为什么值得看：旗舰级推理、快模型速度、低定价，官方把这三样叠在同一个模型上，宣称在单位时间和成本下能换到的智能最高。下面从一个现场演示看起。
2 现场演示

一句话，建出一个能转的太阳系

先不看跑分，看它能干出什么。官方给的一个例子是：只喂一句话提示词，Grok 4.5 端到端生成了一个能运行的 three.js 太阳系模拟器，带可调速度、真实轨道和星空，还配了 HUD 界面。官方强调，哪怕提示写得很简略，也能做出设计完整、直接可用的应用。

输入 · 官方原文提示词
Make a beautiful simulation of the universe and solar system. should be sped up with adjustable time, realistic motion, orbits, stars. use threejs. Make the HUD well styled and conform to modern design principles.
做一个漂亮的宇宙和太阳系模拟：能加速、时间可调，有真实的运动、轨道和星空，用 threejs 实现；把 HUD 做得样式精致、符合现代设计规范。
Grok 4.5 生成的太阳系模拟演示（来源：X @DogeDesigner 发布的实机画面）。官方发布页也有同类可交互 demo，见 原文 Training 段。

一条自然语言指令，跨到带控件、能实时运转的完整前端应用。除了这类 demo，官方还提到它能处理有挑战的 Rust 和 C / C++ 任务，从写提示到出成品端到端跑通。

2b 第三方实测

同样一道题：一句话 + 一张参考图，重建三维地球仪表盘

开发者 @hqmank 用同一套挑战测 Grok 4.5：和之前测 Fable 5 一样，只给一句话提示 + 一张参考图，任务是重建一个 Three.js 三维地球仪表盘。

他的原话是：光线、玻璃面板、景深、间距都对上了；Three.js 场景第一次就渲对；前端比预想好很多。在这道题上，他觉得 Grok 4.5 超过 Opus 4.8，只有 Fable 5 排在前面。

@hqmank 的完整演示视频。来源：X 原帖。这是单人同题对比，不是官方榜单，口径仅限该任务。
3 跑分

编程测试到底考了第几名

这是官方放出的 DeepSWE 1.0 跑分。DeepSWE 1.0 是一套测 AI 处理真实软件工程任务的评测，分数看的是模型一次作答（pass@1，只给一次机会，像考试不能划掉重写）就把任务做对的比例。在这张榜上，Grok 4.5 拿 62.0%，排第三。

Grok 4.5 与 Opus 4.8、GPT-5.5、Composer 2.5、Fable 5 的编程基准对比表
官方/生态侧常见对照表：Terminal-Bench 2.1、SWE-Bench Multilingual、DeepSWE 1.0、SWE-Bench Pro。Grok 4.5 一列高亮；部分竞品带 high/max/xhigh 档位标注。SWE-Bench Multilingual 为发布页五榜之外的补充对照。
0%20%40%60%DeepSWE score (pass@1)66.1%Fable max64.31%GPT 5.5 xhigh62.0%Grok 4.555.75%Opus 4.8 max40.12%Opus 4.7 maxEval created by Datacurve, run with each model provider's harnesses by AA
0%20%40%60%DeepSWE score (pass@1)70.0%Fable max67.0%GPT 5.5 xhigh59.0%Opus 4.8 max53.0%Grok 4.544.0%GLM 5.2mini-swe-agent harness run by Datacurve
0%20%Resolution rate (pass@1)29.0%Grok 4.526.0%Opus 4.8 max24.0%Fable max16.0%Opus 4.7 max
0%20%40%60%80%Terminal Bench 2.1 score84.3%Fable max83.4%GPT 5.5 xhigh83.3%Grok 4.578.9%Opus 4.8 max78.9%Opus 4.7 max
0%20%40%60%80%SWE Bench Pro resolve rate80.4%Fable max69.2%Opus 4.8 max64.7%Grok 4.564.3%Opus 4.7 max62.1%GLM 5.258.6%GPT 5.5 xhigh
上图直接取自 xAI 发布页官方 SVG（可切换 5 张榜）。评测由 Datacurve 出题；竞品分数取自各厂商公开 system card 或榜单。

同一发布页还列了另外几张编程相关榜。口径不同，名次也不一样，有的第一，有的更靠后：

SWE Marathon · 解决率 pass@1
29.0%
第 1（Opus 4.8 max 26.0% · Fable max 24.0%）
Terminal Bench 2.1 · 终端 agent 任务
83.3%
贴第一梯队（Fable 84.3% · GPT 5.5 83.4%）
SWE-Bench Pro · 解决率
64.7%
落后 Fable max 80.4%、Opus 4.8 max 69.2%
DeepSWE 1.1 · mini-swe-agent
53%
比 1.0 更靠后（Fable 70% · GPT 5.5 67% · Opus 59%）
以上数字均来自 xAI 发布页自列图表。DeepSWE 1.0 用各家 harness 跑、1.1 统一用 mini-swe-agent，同一任务族换框架，名次会跳。
第三方 · Artificial Analysis

独立评测机构 Artificial Analysis 发布后立刻给了综合分（不是 xAI 自家图）：

  • Intelligence Index 得分 54，总榜第 4，前面只有 Fable 5、GPT-5.5、Opus 4.8；相对上代 Grok 4.3 涨了 16 分。
  • Coding Agent Index（在 Grok Build 里跑）得分 76，和 GPT-5.5 在 Codex 里持平，略低于 Fable 5 在 Claude Code。
  • 单次任务成本：Intelligence Index 约 $0.31 / 任务；Coding Agent Index 约 $2.49-2.59 / 任务（Fable 5 / Claude Code 约 $11.80，GPT-5.5 / Codex 约 $5.07）。
  • Coding Agent 任务平均总 token 约 1.9M，显著少于 Fable 5（7.2M）和 GPT-5.5（6.2M）。
  • 短板也写明了：AA-Omniscience 准确率从 35% 升到 52%，但幻觉率从 25% 升到 54%，知道得更多，错的时候也更自信。

第三方与官方周边还补了几条背景：Cursor 称与 xAI 联合训练 Grok 4.5，并说这是他们「第一款不只做软件工程」的更强模型；有报道援引 Artificial Analysis / 马斯克相关披露，称 Grok 4.5 参数量约 1.5 万亿、约为 Grok 4.3 的 3 倍（官方发布页本身没写参数量）。马斯克对外口径是「Opus 级、但更快更省更便宜」。SpaceX 在 6 月以约 600 亿美元股票收购 Cursor 的背景，被多家媒体当作这次联训的产业语境。

4 又快又省

为什么又快又省

Grok 4.5 的差异化集中在速度和成本这一头。跑分没拿第一，但它把「旗舰级的脑子」和「快模型的吐字速度、低价」放到了一起。

又快又省

它以 80 TPS 的速度输出，达到业界所说的「快速模型」级别；官方称在同类任务上，它的 token 效率约为最新旗舰模型的两倍，也就是用不到一半的步骤和 token 就能解决同一个问题。

官方 Token efficiency 对比图：Grok 4.5 约 15954 tokens vs Opus 4.8 max 约 67020
官方发布页 Token efficiency 图：SWE-Bench Pro 任务平均输出 token，Grok 4.5 约 15,954，Opus 4.8 max 约 67,020，约 4.2 倍差距。
80 TPS
输出速度达到「快速模型」级别。TPS 即每秒生成的 token 数，数值越高，吐字越快。
Opus 4.8 max
SWE-Bench Pro
67,020
Grok 4.5
15,954
口径：SWE-Bench Pro 上完成同类任务平均输出 token 数。约 4.2 倍差距。官方正文另用「约两倍 token 效率 / 步骤减半」概括；两套表述口径不同，数字以图注为准。

对 agentic 场景来说，这意味着在同样的 token 预算和时间里，能撑住更长的自主运行、更多来回。

5 怎么训练的

训练怎么砸出来的

这套能力是怎么砸出来的。Grok 4.5 用了数万张 NVIDIA GB300（英伟达最新一代面向大规模 AI 训练的高性能 GPU 芯片）来训练。除了堆算力，xAI 说重点花在数据的筛选和清洗上：去重、给数据打质量分、按领域挑选，让训练数据既覆盖广又信号密。

强化学习这一步，覆盖数十万项任务，以多步软件工程为核心，用自动打分加模型打分来评判。它们的训练架构是高度异步的：一个 agent 可以自己跑上好几个小时，同时几万张 GPU 还在继续学。

海量原始数据
→
去重 · 质量打分
领域筛选
→
数万张 GB300
预训练
→
数十万项工程任务
强化学习（异步 rollout）
→
Grok 4.5
6 办公自动化

从写代码延伸到写 Excel、PPT、Word

Grok 4.5 的能力不只在写代码。它现在是 Grok Build（xAI 的命令行编程工具）的默认模型，同一套本事延伸进了 Excel、PowerPoint、Word 三件套。

办公自动化

三个场景各有具体做法：Excel 能一边联网查资料一边建多表格模型，还会留便签给后续参考；PowerPoint 用原生图形画复杂示意图、排出直观的幻灯片内容；Word 写出条理清晰的正式文案。

📊

Excel

  • 联网研究后建模
  • 跨多张表用公式
  • 留下便签 / 备注供后续参考
📽️

PowerPoint

  • 用原生图形画复杂示意图
  • 设计直观的幻灯片内容
  • 按提示搭出整套结构
📄

Word

  • 写条理清晰的正式文案
  • 处理公文式书面表达
PowerPoint 示例提示词
给一份 5 页的季度业务复盘大纲
Outline a 5-slide quarterly business review

Word、PowerPoint、Excel 均已上线官方插件，可在微软的应用市场（Microsoft Marketplace）里安装。

7 价格与入口

值多少钱，现在去哪用

价格和入口。Grok 4.5 每百万输入 token 收 2 美元、输出 token 收 6 美元。叠加上面说的 token 更省，同类编程任务实际账单会再砍一截。

$2
每百万输入 token
$6
每百万输出 token
4.2×
SWE-Bench Pro 更省输出 token
80 TPS
输出速度

和同档旗舰的公开标价比一下（单位：每百万 token）：

模型输入输出
Grok 4.5$2$6
Opus 4.8$5$25
GPT-5.5 / 5.6$5$30
Fable 5$10$50
竞品标价来自各家公开价目与媒体汇总（The Decoder 等）；实际账单还受缓存折扣、effort 档位影响。

规格上，Artificial Analysis 记录当前上下文窗口为 50 万 token（比 Grok 4.3 的 100 万缩过一档）；马斯克随后在 X 上说「大概下周会回到 100 万」。模态是文本 + 图像输入、文本输出。

现在能在哪用：Grok Build、Cursor 全部套餐、xAI 控制台（console.x.ai）都已上线，拿一个 API key，几行代码就能接。OpenRouter、Hermes Agent 等也在发布当日陆续接入。

官方 API 调用示例（curl）
curl -s https://api.x.ai/v1/responses \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-4.5",
    "input": "Find and fix the bug, then explain it: function median(a){a.sort();return a[a.length/2]}"
  }'

Artificial Analysis 还记了几条规格：缓存命中约 $0.5 / 百万 token（按标价再打约 75% 折）；输入超过约 20 万 token 时单价翻倍；当前上下文窗口 50 万 token（比 Grok 4.3 的 100 万缩过一档，马斯克称大概下周可能回到 100 万）；保留视觉输入与可配置推理。Cursor 侧称首周用量翻倍，并强调 Grok 4.5 与自家 Composer 系列是不同体量的模型，Composer 2.5 仍会保留。

⚠️ 目前欧盟地区在 xAI 的任何产品和 API 里都还用不了，官方预计 7 月中旬开放。另外一段时间内，Grok Build 和 Cursor 里的 Grok 4.5 免费用。

8 带来什么

这次更新到底带来什么

把这些落到不同的人身上，眼下能拿到的好处大致是这几样。

  • 独立开发者

    用一句话提示，直接生成能运行的完整应用，从想法到可演示原型的这段路更快；编程时也能在 Grok Build 和 Cursor 里直接切到它。

  • 办公室知识工作者

    多了一个能自动建模、画图、写文案的 agent：Word / PowerPoint / Excel 插件已上线，能干需要联网研究的多表格 Excel 建模、PPT 图形绘制、公文写作这类活。

  • API 开发者

    每百万 token 2 / 6 美元的定价，叠加约两倍的 token 效率，同等预算下能跑更多、更长的 agentic 自主任务。

Overall, Grok 4.5 delivers the highest intelligence per unit of time and cost. xAI《Introducing Grok 4.5》官方原文
本文基于 xAI 官方发布页《Introducing Grok 4.5》（2026 年 7 月 8 日，x.ai/news/grok-4-5）解读整理。官方图上的编程榜、80 TPS、SWE-Bench Pro token 数、定价 $2/$6 来自该页；Artificial Analysis 的 Intelligence / Coding Agent 指数、单任务成本与幻觉率来自 AA 公开发布（经 The Decoder / Latent Space 等二次报道核对）；竞品公开标价汇总自各家价目与媒体对照。跑分柱状图与 token 效率图取自官方发布页 SVG/截图；太阳系演示为 X 上 @DogeDesigner 发布的 Grok 4.5 实机视频；完整可交互 demo 见官方原文。