AI 编程模型的竞争，又进入了一个新阶段。

今日凌晨，马斯克旗下 SpaceXAI 正式发布了旗下最新旗舰模型 Grok 4.5，并将其定位为目前公司“最智能的模型”，主打编程（Coding）、Agent（智能体）任务以及知识工作（Knowledge Work）三大场景，并表示在研发过程中还与 AI 编程工具 Cursor 进行了联合训练，进一步强化模型的软件工程能力。

不过，相比“最强模型”这样的宣传噱头，开发者们更关心的问题其实只有两个：它到底能不能打？值不值得用？

从目前公布的各项 Benchmark、官方技术细节以及开发者的评测结果来看，Grok 4.5 的答案可以概括为一句话：绝对性能未必全面第一，但如果把速度和价格一起算进去，它可能是目前最具性价比的 AI 编程模型之一。

数万块 GB300 GPU 训练，更强调“真实工程能力”

根据 SpaceXAI 介绍，Grok 4.5 在训练过程中使用了数万块 NVIDIA GB300 GPU，并针对超大规模训练设计了一系列稳定性优化方案。

官方表示，相比单纯扩大训练 Token 数量，他们更关注数据质量。为此，SpaceXAI团队在数据预处理阶段进行了大量工作，包括数据去重、质量评分，以及面向编程、科学、工程、数学等领域的数据筛选——与其不断增加训练 Token，不如让模型学到更多高价值的数据。

与此同时，Grok 4.5 的强化学习（RL）同样进行了大幅升级。据了解，Grok 4.5 的 RL 阶段覆盖了数十万个任务，其中绝大多数都来自真实的软件工程场景，并采用自动化评测和模型评测相结合的方式持续优化。

更有意思的是，SpaceXAI还专门搭建了一套高度异步（Highly Asynchronous）的训练架构：即便某个 Agent 连续执行数小时的复杂任务，训练过程依然可以在后台数万块 GPU 上持续进行，从而不断提升模型在真实工程环境中的推理能力。

一个 Prompt，就能完成整个应用开发

在 Grok 4.5 的能力展示方面，SpaceXAI 给出的重点几乎全部围绕软件开发展开：“Grok 4.5 不仅能处理复杂的 Rust、C/C++ 编程任务，还能根据一句 Prompt 从零开始生成完整应用。”

从官网介绍来看，他们展示的多个 Demo 均由模型一次 Prompt（One-shot）完成——用户只需要描述需求，模型便能直接生成设计完整、功能齐全、可运行的应用，而无需多轮调试。

例如：“创建一个精美的宇宙与太阳系模拟场景，需具备可调节的时间加速功能、逼真的运动轨迹、行星轨道和恒星效果，并使用 Three.js 实现。界面元素（HUD）应设计美观，符合现代设计原则。”

除了编程之外，Grok 4.5 目前也已经成为 Grok Build 的默认模型。

在 Office 场景下，它能自动构建复杂 Excel 表格，完成联网资料检索、跨工作表公式计算，并自动留下备注方便后续修改；同时还能利用 PowerPoint 原生图形绘制流程图、架构图，并在 Word 中生成结构清晰的文档。目前，Word、PowerPoint 和 Excel 插件也已经同步上线。

Benchmark 有惊喜，也有短板

那么，它到底有没有达到 GPT-5.5、Claude 等第一梯队模型的水平？从SpaceXAI官方公布的数据来看，答案是：部分任务已经非常接近，但整体仍存在差距。

例如，在测试复杂命令行任务能力的 Terminal Bench 2.1 中，Grok 4.5 获得 83.3%，几乎追平 GPT-5.5（83.4%），距离 Anthropic 的 Fable 5（84.3%）也仅差1 个百分点。

不过，到了更加考验真实软件工程能力的 Benchmark，差距开始拉开。

在评估模型解决真实 GitHub Issue 能力的 DeepSWE 1.1 中，Grok 4.5 得分 53%，明显低于 GPT-5.5 的 67% 和 Fable 5 的 70%。

而在更高难度的 SWE Bench Pro 测试中，Grok 4.5 获得 64.7%，虽然已经超过部分配置下的 Claude Opus 4.8，但距离 Fable 5 的 80.4% 仍有不小差距。

也就是说，如果只看Benchmark，Claude 系列和 GPT-5.5 依然保持一定的领先优势。

四款顶级模型同场 PK：Grok 4.5 究竟能打吗？

当然，Benchmark 只能说明一部分问题。为了更接近真实开发体验，外媒 TryAI 趁热组织了一场测评，规则很简单：

让 Grok 4.5、GPT-5.5、Claude Opus 4.8 以及 Claude Fable 5 接收完全相同的 Prompt，一次生成完整应用，不允许修改 Prompt，也不允许人工修改代码。

（1）第一关：制作一个可打乱、可自动复原的 3D 魔方

Prompt统一为：“创建一个彩色、具有 3D 效果的魔方，包含‘打乱’和‘复原’两个按钮，并且旋转过程需要具有动画效果。”

这是整场测试中最难的一项，最终只有 Claude Opus 4.8 和 Claude Fable 5 一次成功。而 Grok 4.5 第一次生成时页面上只有标题和按钮，魔方完全没有显示，测试人员使用唯一一次允许的重试机会后，第二次才成功生成完整作品。GPT-5.5 则表现最差，只渲染出了一个深色方块，没有生成真正意义上的魔方。

（2）第二关：粒子引力沙盒

Prompt统一为：“生成一个基于 Canvas 的粒子引力模拟器，拥有数百个粒子及运动轨迹，点击鼠标可以创建新的引力源，整体视觉效果尽可能具有观赏性。”

这一次，四款模型都成功完成了任务，因此评判标准更多偏向于视觉表现。其中：

• GPT-5.5 的效果最惊艳，采用了霓虹发光风格，粒子轨迹丰富，整体观感极具沉浸感。

• Grok 4.5 则偏向简洁风格，粒子围绕引力中心形成规则轨道，动画流畅自然。

• Claude Fable 5 使用了柔和发光粒子，看起来更加梦幻。

• Claude Opus 4.8 的粒子数量最多，物理模拟也最复杂，不过视觉效果略逊一筹。

如果只论“颜值”，TryAI的测试人员认为 GPT-5.5 的生成效果最好。

（3）第三关：生成一款经典的打砖块游戏

Prompt 统一为：“一个可在画布上运行的打砖块游戏：球拍随鼠标移动，小球击碎彩色砖块，包含得分和生命值。”

在这场测试中，四款模型也全部一次成功。无论是挡板控制、小球碰撞、砖块消除、得分统计还是生命系统，都已经具备完整功能，可以直接游玩。其中 Grok 4.5 与 GPT-5.5 的霓虹街机风格更加突出，但整体来看，四款模型都达到了可以直接交付的水平。

在结束三轮测试后，TryAI的测试团队还额外增加了一项趣味测试：让四款模型仅用 SVG 绘制“一匹马骑在宇航员背上漫步月球”的画面。其中，Claude Fable 5 甚至加入了对白和剧情，被评价为"不仅是在画图，更是在讲笑话"，成为这一轮最有创意的作品。

Grok 4.5 的最大“杀手锏”，其实是价格

真正让 Grok 4.5 引发讨论的，其实不是 Benchmark，而是它的价格。

目前，几个主流模型的API 定价如下：

仅从单价来看，Grok 4.5 的输入价格只有 GPT-5.5 的 40%、Fable 5 的 20%，输出价格也仅为 GPT-5.5 的 20%。除了单价更低之外，SpaceXAI 还强调，Grok 4.5 在 SWE Bench Pro 上完成相同任务时，所消耗的 Token 数量约为 Claude Opus 4.8 的 1/4.2，同时推理速度可达到 80 Tokens/s。

关于这一点，TryAI 在测评后也得出了类似结论：Grok 4.5 能在不到 0.5 秒内输出首个 Token，整体生成速度达到约 110 Token/s，几乎是 GPT-5.5、Claude Opus 4.8 的两倍，同时也是四款模型中调用成本最低的一款。

所以，如果综合考虑 Token 单价、Token 消耗和生成速度，Grok 4.5 在性价比上的优势十分明显——从某种程度上来说，其实 Grok 4.5 这种定价策略与智谱 AI、DeepSeek 等国产大模型厂商颇为相似：性能先追到第一梯队附近，再依靠更低的价格抢占市场。

目前，Grok 4.5 已正式上线，可通过Grok Build、Cursor、SpaceXAI Console使用，开发者只需申请一个 API Key，即可通过几行代码快速接入 Grok 4.5：

那么，你对于马斯克旗下 SpaceXAI 新发布的这款 Grok 4.5 又是否感兴趣呢？

参考链接：

https://x.ai/news/grok-4-5

https://www.tryai.dev/blog/grok-4.5-vs-gpt-5.5-vs-claude-build-off

2026 奇点智能产品大会全日程正式发布!

7月17-18日，北京金隅喜来登大酒店，40+位来自字节、百度、阿里、腾讯、宇树、360、京东、蚂蚁、科大讯飞等一线产品技术领袖，围绕 Agent 智能体、企业级 AI、AI Coding、具身智能、AI 原生组织等 12 大专题，全链路拆解AI原生落地闭环。