北京时间7月9日，Grok 4.5将确认上线。
没有发布会，没有Demo，没有KOL评测。
但在xAI的官方页面上，五张基准测试图排成一排，构成了AI行业今年以来一份罕见的诚实答卷。
Grok 4.5在SWE Marathon上以29.0%的通过率领先于Fable 5的24.0%和Opus 4.8 max的26.0%，却在DeepSWE 1.1上以53%落在Fable 5的70%之后。它有赢有输，不掩饰短板。
但在这张图的右下角，一个更安静的数字正在改变游戏规则：完成同一个SWE Bench Pro编程任务，Grok 4.5的平均输出token是15,954，Claude Opus 4.8 max是67,020。
4.2倍的差距，换算成API账单——Grok 4.5输出定价仅六美元，Opus 4.8 max是二十五美元，GPT-5.5是三十美元——意味着同样的工作，Grok 4.5的成本可能只有竞品的十分之一。
这不是价格战，这是说话方式的革命。
Grok 4.5的基准分布呈现出一种罕见的诚实。
在需要长程推理和持续执行的SWE Marathon上，它以29.0%的通过率领先于Opus 4.8 max的26.0%和Fable max的24.0%；
在Terminal Bench 2.1上，它以83.3%与GPT-5.5 xhigh的83.4%几乎持平，仅落后Fable max的84.3%不到一个百分点。
但在DeepSWE 1.0上，它以62.0%排在Fable max的66.1%和GPT-5.5 xhigh的64.31%之后；
在DeepSWE 1.1的mini-swe-agent测试中，它以53%明显落后于Fable 5的70%和GPT-5.5 xhigh的67%；
在SWE Bench Pro上，它以64.7%排在Fable max的80.4%和Opus 4.8 max的69.2%之后。
这种有赢有输的分布，恰恰是Grok 4.5最真实的画像。
xAI没有挑选最漂亮的数字做通稿，而是把全部五张图并列展示。
独立评测机构Artificial Analysis给出的Intelligence Index评分是54分，排名第四，落后于Fable 5的60分、Opus 4.8的56分和GPT-5.5的55分。
但在Coding Agent Index上，Grok 4.5拿到76分，与GPT-5.5在Codex中的表现大致持平。
在τ³-Banking任务上，它以33%超过GPT-5.5 xhigh的31%。
这些数字说明一件事——
Grok 4.5不是来碾压一切的。
它的定位是高效的前沿模型，在特定类型的长程agentic任务和终端操作场景中表现突出，而在某些深度推理基准上仍有差距。
这种有节制的诚实，反而比全面领先的宣传更有说服力。
因为它暗示了一个更深层的问题。
当模型的能力差距在缩小，而成本差距在扩大时，“最强”是否还是企业选型的唯一标准？
Grok 4.5最被忽略的创新，藏在它的训练哲学里。
xAI在官方页面上用了一个很少见的表述逐词智能。
这不是营销话术，而是对训练目标的根本性重新定义。
传统的大模型训练追求的是“说对”，Grok 4.5追求的是说对且少说。
4.2倍的token效率差距意味着，完成同样的编程任务，Grok 4.5只需要竞品四分之一的“话”。
xAI官方声称，Grok 4.5的代币效率约为同类领先模型的两倍，解决问题所需的步骤数不到后者的一半。
这种效率不是通过压缩或截断实现的，而是通过训练过程中对"逐词智能"的刻意优化。
配合80 TPS的服务速度，这种“少说快做”的风格，在真实的工程环境中可能比“说得多但说得全”更实用。
除了编程能力，Grok 4.5在Harvey法律代理基准上也排名第一，说明这种训练方式不仅适用于代码，也延伸到了专业文档和知识工作。
支撑Grok 4.5的算力基础设施，藏着另一个被忽略的工程故事。
xAI在官方页面上透露，Grok 4.5在数万块NVIDIA GB300 GPU上进行了训练，其训练和稳定性技术均针对大规模运行而设计。
但比规模更值得关注的是数据工程。
xAI在数据过滤和整理方面投入了大量资源。
去重、质量评分和基于领域的选择，以确保数据混合物保持高覆盖率和高信号强度。
这种对数据质量的强调，在参数竞赛愈演愈烈的2026年显得尤为珍贵。
当其他实验室把重点放在堆叠更多token时，xAI选择了更精细的数据筛选。
更独特的是训练架构。
xAI的技术栈专为高度异步训练构建，智能体部署可以持续运行数小时，同时学习过程在数万个GPU上持续进行。
这意味着Grok 4.5的强化学习不是批处理的、间歇的，而是连续的、流式的。
模型在真实的代码执行环境中持续获得反馈，而不是依赖离线的、静态的评估。
xAI的强化学习覆盖了数十万个任务，主要围绕多步骤软件工程和其他技术工作展开，并采用自动化和基于模型的评分机制。
测试通过就加分，运行崩溃就扣分，这种确定性反馈比人类标注员的偏好判断更直接。
当其他实验室还在用人类标注员的偏好判断来训练模型时，xAI已经让模型在真实的代码执行环境中自我迭代了数小时。
Grok 4.5基于xAI自研的V9基础模型，参数规模约一点五万亿，是前代Grok 4.3所用架构的三倍。
但参数膨胀本身并不新鲜，真正让它与众不同的是训练数据的来源。
xAI在V9基础训练完成后，用AI编程工具Cursor的真实用户交互数据做了补充训练。
这是一个被行业长期忽略的数据维度。
几乎所有主流编程模型都在GitHub的代码海洋里学习标准答案，Grok 4.5却吸收的是人类调试时的思维流。
Cursor里存着数百万开发者与AI的实时对话，包括那些没通过测试的尝试、反复重构的纠结、以及灵光一现的修正。
其他模型学的是好代码长什么样，Grok 4.5学的是人类在写坏代码时怎么向AI求助、怎么被AI带偏、又怎么把思路扳回来。
这种数据源的差异直接塑造了模型的气质。
当Claude Code和GPT-5.6 Sol还在争夺开发者桌面时，Grok 4.5已经摸透了开发者最隐秘的工作习惯。
Grok 4.5的API定价已经确认。
输入每百万token两美元，输出六美元，服务速度八十TPS。
放在当前的市场坐标系里，这组数字几乎是一种挑衅。
Claude Opus 4.8的输出定价是二十五美元，GPT-5.5是三十美元。
Grok 4.5不仅把价格压到了竞品的四分之一到五分之一，还附带了一个更激进的规划。
xAI放出消息，2026年剩余月份每月推出全新迭代基座模型，部分版本完成完整从零预训练。
这种定价策略的底层逻辑，与xAI的算力基础设施密切相关。
xAI在孟菲斯运营的Colossus集群装机规模约五十五万张GPU，以英伟达GB200和GB300为主，总功耗约两吉瓦，是全球最大的单站点AI集群之一。
但独立技术监测估计，xAI当前的GPU利用率只有约11%，远低于Meta和Google的70%至90%。
这意味着大量昂贵的算力正在空转。
Grok 4.5的六美元定价，本质上是用资本开支换取市场份额的豪赌。
马斯克在赌一件事。
当算力利用率成为行业最痛的隐性成本时，率先用低价把GPU填满，比守着高价等客户上门更有战略价值。
支撑低价和高速迭代的另一个支点，是xAI对技术栈的激进重构。
马斯克6月28日公开表示，xAI计划将整套训练推理栈脱离PyTorch、JAX高层框架，改用C/C++裸机直连GPU硬件重构，以此释放GB300完整算力，该工程规划周期预计数月。
在AI行业，PyTorch和JAX几乎是不言自明的基础设施，整个行业建立在这些高级框架之上。xAI的选择相当于拆除脚手架，直接踩在钢筋水泥上施工。
马斯克曾以SpaceX内部底层代码优化案例举例，称脱离高层框架可实现数倍性能提升。
如果xAI能在数月内完成这项工程，它将是第一批真正榨干GB300性能的实验室。
但这种迁移的风险同样巨大。
业内多数底层开发工程师认为，短时间内完成数十万卡集群全栈裸机重构存在极高工程难度与交付不确定性。
不过，无论成败，这个动作本身已经在挑战一个行业默认假设。
英伟达的软件生态是不可触碰的。
当所有人都在CUDA和PyTorch的舒适区里堆叠模型时，xAI试图证明真正的算力效率可能藏在更底层的代码里。
月度迭代的规划则进一步放大了这种压力。
OpenAI和Anthropic通常保持半年到一年的主要版本周期，Google的Gemini更新频率也不及此。
如果xAI真的兑现每月新模型的承诺，前沿AI将从年度奢侈品变成月度消费品。
对高token消耗的企业来说，这种节奏意味着技术选型不再是长期承诺，而是持续比较。
竞争对手的半年更新周期，在月度迭代的参照下会显得异常漫长。
Grok 4.5的发布渠道设计，暴露了xAI对产品形态的根本性重新思考。
它同时登陆了Warp终端、Cursor编辑器、OpenRouter和Vercel等开发者平台，但最出人意料的是直接推出了Microsoft Word、PowerPoint和Excel的插件。
在Grok Build中，Grok 4.5现在是默认模型。
除了强大的编码能力外，它还能够构建复杂的Excel模型，涉及网络搜索、多工作表公式的使用，甚至可以留下便签或注释以供日后参考。
在PowerPoint中，它能使用原生形状构建复杂的图表，设计直观的幻灯片内容。
在Word中，它能撰写清晰易懂的文字。
这个布局的巧妙之处在于，Grok没有跟ChatGPT争抢打开浏览器问AI的场景，而是直接钻进了用户本来就在用的工具里。
当你在Excel里做财务模型时，Grok可以调用实时网络数据填充表格；当你在PPT里画架构图时，它能直接生成示意图并嵌入幻灯片。
对比OpenAI把Copilot塞进Office 365的宏大叙事，Grok 4.5的插件策略更像一次精准的游击战。
它不需要企业IT部门审批，不需要更换整套办公套件，只需要一个插件安装就能切入日常工作流。
这种低摩擦的渗透方式，可能比任何广告都更有效。不过欧盟用户要等到7月中旬才能用上，这个地理延迟是监管合规的技术债务，还是xAI有意为之的优先级排序，目前尚无明确解释。
Grok 4.5的真正看点不在于它是否能在某张benchmark leaderboard上压过Claude Opus一头。
xAI正在同时发动四场战役——
用极限定价重构API经济的成本基准
用逐词智能重新定义模型的输出效率
用异步训练挑战传统的批处理范式
用Office插件完成从聊天机器人到办公基础设施的跃迁。
这四场战役的共同点，是它们都瞄准了AI行业的隐性成本。
算力利用率、软件栈效率、训练数据质量、工作流摩擦。
这些成本从来不出现在发布会的PPT里，却构成了企业采用AI的真实门槛。
当所有人都在讨论哪个模型更聪明时，Grok 4.5提醒我们AI战争的胜负手可能不在benchmark榜单上，而在谁更能悄无声息地变成你Excel里的一个公式、你终端里的一条命令、你每月账单上最便宜的选项。
但xAI的赌注同样巨大。多家算力行业机构提示，若后续Colossus集群GPU利用率无法大幅提升，当前低价定价模式存在长期承压风险。业内多数底层开发工程师认为，短时间内完成数十万卡集群全栈裸机重构存在极高工程难度与交付不确定性。xAI放出激进迭代规划，2026年剩余月份每月推出全新迭代基座模型，部分版本完成完整从零预训练——这些规划有任何一项落空，Grok 4.5的沉默发布就可能变成沉默的坍塌。不过，即使只有token效率和插件策略这两张牌打实，xAI也已经成功地把前沿模型的成本假设撕开了一道口子。而行业里的其他人，不得不开始重新算账了。
扫描下方二维码 关注我们
我们以算力为线，持续跟进算力基础设施的报道，输出洞察，伴随算力行业实现算力自由。敬请关注！
本文来源于DOIT传媒，文章内容仅供参考，不构成投资建议。
评论列表