跳转至

Grok 4.5：Opus 4.8 级能力，四分之一价格

Ch01.699 Grok 4.5：Opus 4.8 级能力，四分之一价格

📊 Level ⭐⭐ | 8.9KB | entities/grok-4-5-model-release-xai-2026-07.md

Grok 4.5：Opus 4.8 级能力，四分之一价格

Grok 4.5 是 xAI（现已更名为 SpaceXAI）于 2026 年 7 月发布的最新大语言模型，定位为 Opus 4.8 级别的能力且定价仅为四分之一。参数量约 1.5T，基于全新的 V9 基座，主打编码、agentic 任务和知识型工作，与 Cursor 联合训练。

核心内容

关键参数

参数 值
参数规模 约 1.5 万亿（V8-small 的三倍，xAI 迄今最大模型）
上下文窗口 500K tokens（较 Grok 4.3 的 1M 减半）
模态 文本 + 图像输入，文本输出
定价 输入 $2/百万 tokens，输出 $6/百万 tokens
知识截止 2024 年 11 月（与 Grok 3/4 系列相同）
基座 全新 V9 基座（此前为 V8-small）
训练硬件 数万块 NVIDIA GB300

模型通过 Grok Build、API 和 xAI Console 三个入口同步开放，开发者使用模型名 grok-4.5。

训练方法

  • 预训练：在数据过滤、去重、质量打分和领域化整理上投入重注
  • 后训练：覆盖数十万个任务的大规模强化学习，重点放在多步软件工程和技术型工作，判分靠自动化判题加模型判题
  • 异步训练架构：专门为支撑超长 agentic rollout 构建
  • 亮点：规模化强化学习，聚焦 per-token intelligence（每个 token 的智能密度）

Cursor 联合训练

SpaceX 在今年早些时候收购了 Cursor，团队已并入 xAI。Grok 4.5 的补充训练加入了 Cursor 的真实开发数据——真实的 bug、真实的调试过程、真实的架构决策，而非仅仅「高质量代码」语料。模型的强化学习目前还在持续进行，使用 Grok Build 的自动化软件工程环境提供通过/失败信号——这意味着当前版本后续还会继续变强。发布前，Grok 4.5 已在 Tesla 和 SpaceX 内部私测数周。

基准测试表现

对上 Opus 4.8 互有胜负： - Terminal-Bench 2.1：Grok 4.5 83.3 vs Opus 4.8 78.9（胜） - DeepSWE 1.0：Grok 4.5 62.0 vs Opus 4.8 55.8（胜） - SWE-Bench Multilingual：Grok 4.5 78.0 vs Opus 4.8 84.4（负） - SWE-Bench Pro：Grok 4.5 64.7 vs Opus 4.8 69.2（负）

Grok 4.5 跑的是 high 档推理强度，而 Opus 4.8 和 GPT-5.5 分别使用 max 和 xhigh 档，表明 Grok 4.5 还有余量未掏尽。在 Harvey 法律 Agent 基准上直接排到第一。更难的 DeepSWE 1.1 上得分 53，离 Fable 5（max）的 70 分还有差距。

定价对比

模型 上下文 输入 $/1M 输出 $/1M
grok-4.5 500K $2.00 $6.00
grok-4.3 1M $1.25 $2.50
grok-4.20系列 1M $1.25 $2.50
grok-build-0.1（Code API） 256K $1.00 $2.00

Grok 4.5 在自家阵营已是最贵，输出价是 grok-4.3 的 2.4 倍。上下文窗口从 Grok 4.3 的 1M 缩至 500K，反映 1.5T 大参数在推理成本上的直接代价。

深度分析

1. 「Opus 级能力，四分之一价格」的性价比定位

Grok 4.5 的定价策略极具攻击性。Opus 4.8 的输出价格为 $25/百万 tokens，Grok 4.5 为 $6/百万，不到四分之一。在 benchmark 互有胜负的情况下，这个定价直接改变了高端模型的竞争格局——开发者可以在「能力上限」和「成本效率」之间重新做选择。值得注意的是 SWE-Bench Pro 上 Grok 4.5 平均每个任务输出 15,954 tokens，而 Opus 4.8（max）为 67,020 tokens，仅为对手的四分之一左右——「更省 token」不仅是价格优势，也意味着更低的延迟。

2. Cursor 收购的协同效应

Cursor 收购后的联合训练是 Grok 4.5 的核心竞争壁垒。模型不仅使用了 Cursor 的真实开发数据（真实 bug、真实调试过程、真实架构决策），而且在发布后仍通过 Grok Build 的自动化软件工程环境持续进行 RL。这意味着 Grok 4.5 的编码和 agentic 能力会持续提升。这种「产品驱动模型训练」的闭环——IDE 使用数据 → 真实开发数据 → RL 训练 → API 发布 → 更多使用数据——是 xAI 区别于其他 model provider 的关键差异化优势，也与 Cursor Harness Model Production Floor 中讨论的「模型决定能力上限，harness 决定生产下限」的逻辑一脉相承。

3. 「V9 基座 + 1.5T 参数」的规模信号

从 V8-small（约 0.5T）到 V9 基座（1.5T），xAI 的模型参数在单代内增长了 3 倍，是当前最激进的参数扩展之一。更值得关注的是训练基础设施的跃升——数万块 NVIDIA GB300 和异步训练架构支撑超长 agentic rollout。这与 Xai Dissolved Grok Colossus2 Analysis 中讨论的 Colossus 集群能力形成呼应。下一代 Grok 5 目标参数规模达 6 万亿以上，按此速度 xAI 正在走一条「参数规模最大化」的路线。

4. 上下文窗口缩减的工程取舍

Grok 4.5 的 500K 上下文比 Grok 4.3 的 1M 减半，直接反映了 1.5T 大模型的推理成本压力。在大参数模型中，长上下文带来的 KV-cache 开销呈线性甚至超线性增长。这个取舍给行业一个重要信号：当模型参数达到万亿级别时，上下文长度可能不再是「越大越好」的军备竞赛维度，而是需要根据应用场景做工程权衡——编码和 agentic 任务对长上下文的依赖度与文档分析类任务不同。

5. 多入口同步发布的平台战略

Grok Build（CLI）、API、xAI Console、Cursor、Office 插件五个入口同时开放，覆盖了从开发者到企业用户的所有触达面。特别是 Office 插件的涵盖（Excel 联网调研+跨表公式、PowerPoint 原生形状作图、Word 正式文档），显示出 xAI 正在从纯粹的「模型 API 提供商」转向「AI 能力服务平台」。这种多入口策略可能会影响其他模型厂商的发布策略——模型的可用性和可接入性正在成为与模型能力同等重要的竞争维度。

实践启示

  1. 评估模型性价比时应同时考虑基准能力和 token 效率：Grok 4.5 在 SWE-Bench Pro 上的 token 消耗是 Opus 4.8 的四分之一，这意味着同样任务下实际成本差可能远大于定价差。在选择编程 agent 的底层模型时，应在实际任务中测量「任务级总成本」而非仅看单 token 价格。
  2. 关注模型发布的「RL 持续训练」承诺：如果模型发布后仍通过产品环境数据持续训练，选择时就应从「当前快照评估」转变为「长期能力演进评估」。Grok 4.5 发布后能力会继续变强，这改变了传统模型选型的静态假设。
  3. 大参数模型+缩水上下文的取舍需要匹配应用场景：如果应用主要是 agentic 任务（多步代码/工具调用），500K 上下文通常足够，1.5T 参数带来的推理质量提升优于 1M 但更小的模型。如果应用是长篇文档分析/RAG，平衡点可能不同。
  4. 评估 Cursor 联合训练模型的适用场景：如果你的工作流围绕 Cursor/IDE 展开，Grok 4.5 的联合训练优势可能最大化。如果主要使用其他开发工具，评估纯 API 调用的效率对比更为客观。
  5. 注意多模型多入口时代的成本管理：Grok 4.5、Opus 4.8、GPT-5.5 等高端模型正形成分层的性价比矩阵。在 agentic 任务中考虑模型选择器（根据任务复杂度动态路由到不同模型）可以显著降低整体成本。

相关实体

→ 原文存档