SpaceXAI Releases Grok 4.5, a Cursor-Trained Model for Coding, Agentic Tasks, and Knowledge Work at $2/M Input

SpaceXAI 正式推出 Grok 4.5，官方將其定位為目前旗下最智慧的模型，特別針對編碼（coding）、代理任務（agentic tasks）以及知識工作（knowledge work）進行優化。該模型與知名的 AI 程式碼編輯器 Cursor 共同訓練，目標是提供更高效且貼近實際工程需求的解決方案。Grok 4.5 目前已是 Grok Build 的預設模型，並已在 Cursor 與 SpaceXAI 的 API 主控台上線。 在訓練方面，Grok 4.5 使用了數萬顆 NVIDIA GB300 GPU 進行大規模運算。團隊不僅注重原始 token 量，更在數據過濾與策劃投入大量心力，包括去重、品質評分以及領域聚焦選擇。後續的強化學習（reinforcement learning）規模也大幅擴大，重點在於提升每個 token 的智能程度，涵蓋數十萬項任務，多數集中於多步驟軟體工程與其他技術工作。評分方式結合自動化與模型化評估，並且整個訓練堆疊支援高度非同步的代理式任務推演，讓學習過程可以持續進行而不中斷。 從基準測試成績來看，Grok 4.5 在多項編碼相關評估中展現競爭力。雖然在 SpaceXAI 自家提供的圖表中，Fable（max）版本在四個基準上均取得最高分，但 Grok 4.5 在 Terminal Bench 2.1 上與 Fable 差距最小，分別為 83.3% 與 84.3%。在其他基準如 DeepSWE 1.0、DeepSWE 1.1 與 SWE Bench Pro 上，Grok 4.5 也與當前頂尖模型如 GPT 5.5、Opus 4.8 互有領先。以 DeepSWE 1.0 的 pass@1（僅計算首次嘗試通過）為例，Grok 4.5 達到 62.0%，高於 Opus 4.8 的 55.75%，但略低於 Fable（max）的 66.1% 與 GPT 5.5 的 64.31%。在 SWE Bench Pro 的解決率（resolve rate）上，Grok 4.5 為 64.7%，超越 GPT 5.5 的 58.6% 與 GLM 5.2 的 62.1%，但低於 Opus 4.8 的 69.2% 與 Fable（max）的 80.4%。 Grok 4.5 的一大亮點是其 token 使用效率。在 SWE Bench Pro 中，Grok 4.5 平均僅需 15,954 個輸出 token 即可解決任務，而 Opus 4.8（max）則需要 67,020 個，相差約 4.2 倍。官方表示，Grok 4.5 的 token 效率約為其他領先模型的兩倍，輸出 token 更少代表每次任務的輸出成本與延遲都能降低。該模型的服務速度為每秒 80 個 token（80 TPS），在效率與速度上具有明顯優勢。 定價方面，Grok 4.5 的輸入價格為每百萬 token 2 美元，輸出價格每百萬 token 6 美元。目前該模型已在 Grok Build、Cursor（所有方案）以及 SpaceXAI 主控台上線，初期在 Grok Build 與 Cursor 提供有限時間的免費使用。需要留意的是，歐盟地區尚未開放，預計今年 7 月中旬才會支援。開發者可透過 API 呼叫該模型，模型 ID 為 grok-4.5。 除了程式碼相關任務，Grok 4.5 在辦公室工作能力上也獲得驗證。在 Harvey 法律代理基準（Harvey's Legal Agent Benchmark）中，該模型排名第一，顯示其在專業知識工作與法律領域的應用潛力。官方列舉了多種實際使用範例，包括程式碼庫修復（找出錯誤、修復並解釋根本原因）、應用程式原型開發（例如單一提示建立 Three.js 太陽系模擬）、多頁 Excel 模型建置（整合網路研究），以及將大綱轉換為簡報與 Word 報告等，涵蓋各種工程與生產力場景。 整體而言，Grok 4.5 在維持均衡表現的同時，特別強調 token 效率與速度，對於需要大量產出的開發者與企業用戶來說，具備實質吸引力。儘管在部分基準上仍不及專注於極致效能的 Fable（max），但 Grok 4.5 作為通用模型的定位，加上與 Cursor 的深度整合，有望在編碼代理與知識工作領域扮演重要角色。隨著未來歐盟地區的開放，這款模型的應用範圍將會進一步擴大。