马斯克半年的折腾，终于携 Grok 4.5 重返牌桌。
Grok 的摇篮 xAI 先是人去楼空，核心团队成员都走光，然后被 SpaceX 收购，接着被马斯克直接解散并入 SpaceXAI，人们认为 Grok 可能止步于此的时候，马斯克600亿美元直接拿下Cursor: 马斯克600亿美元拿下Cursor！Claude，Codex又多一个竞争对手？
刚刚，由 SpaceXAI 与 Cursor 一同发布的 Grok 4.5，又重新回到了大模型第一梯队。
Grok 4.5 专为编码、智能体任务与知识工作而打造。
更强的编程能力
Grok 4.5 在数以万计的 NVIDIA GB300 GPU 上完成训练，训练使用了数万亿 token 的 Cursor 数据，这些数据捕捉了用户与代码库及软件工具的广泛交互。
团队还在数据过滤与清洗方面投入了大量精力，通过去重、质量评分以及面向特定领域的选择策略，确保数据混合保持高覆盖度与高信号密度。
编程能力已经追平 Opus 4.8，Terminal Bench 2.1 和 DeepSWE 1.0 基准上，甚至已经超过。
仅凭一条精简的提示词，Grok 4.5 也能创建出设计良好、功能端到端完整可用的应用。
例如构建一个太阳系模拟:
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.
(制作一个美丽的宇宙与太阳系模拟。应支持时间倍速调节、逼真的运动轨迹、行星轨道与星空。使用 Three.js。让 HUD 风格精致，并符合现代设计原则。)
就这么一条简单提示词，一个基于 Three.js 的宇宙与太阳系模拟应用就诞生了，具有可调节的时间倍速、真实的天体运动与轨道，以及精心设计的现代风格 HUD。
不止于编程
在 Grok 4.5 训练上，团队特别让训练数据的构成更广泛。数据集涵盖编程、科学、工程与数学领域的知识，纳入高质量的 STEM 任务、研究论文以及其他知识工作内容，让模型在广泛的领域中都具备了较强能力。
有团队专门用 GDPval+ 数据集对 Grok 4.5 进行了评估。
评估中使用的约 2000 项 Snorkel GDPVal+ 任务中，Grok 4.5 的平均通过率为 29%，超过了 GPT 5.5（22%）和 Opus 4.8（21%）的平均通过率。
提升主要集中在需要深度专业判断的领域：法律工作（40% vs 27-28%）、教育（58% vs 35-42%）、医疗保健（35% vs 23-25%）和质量保证分析（37% vs 19-27%）。
GPT 5.5 在建筑领域领先，Opus 4.8 在财务管理领域领先，但在大多数职业和行业中，Grok 4.5 都遥遥领先，而且优势明显。
失效模式分析中，Grok 4.5 在所有六个错误类别中均表现出最低的发生率。
缺失领域分析，样本占比降至 40%，而 GPT 和 Opus 的这一比例为 51%–52%。Grok 4.5 在错误推荐、格式和结构错误、以及缺少来源引用等方面的发生率也显著更低。
Grok 4.5 还有更高的 Token 效率.
每完成一个 SWE Bench Pro 基准的任务，Grok 4.5 平均消耗 15,954 个输出 token，Opus 4.8（max）平均消耗 67,020 个输出 token.
Grok 4.5 使用的 token 数比 Opus 4.8（max）少了约 4.2 倍。
定价方面，Grok 4.5 每百万输入 token $2，每百万输出 token $6，比 Opus 4.8 便宜不少。
你认为马斯克 SpaceXAI 的 Grok，能追上 Claude 和 GPT 吗？
参考资料:
https://x.ai/news/grok-4-5
https://cursor.com/cn/blog/grok-4-5
https://snorkel.ai/blog/grok-4-5-testing-results-how-spacexais-new-model-performs-on-real-professional-work/
