AI 编程模型的竞争，又进入了一个新阶段。
就在今日凌晨时分, 马斯克旗下那名为SpaceXAI的主体, 正式对外发布了其旗下最新的旗舰模型Grok 4.5 , 该模型被明确地定位为当下公司里“最具智能属性的模型” , 其主打编程这一领域（Coding） , 还有Agent这种智能体任务 , 以及知识工作（Knowledge Work）这三大应用场景 , 并且宣称在其研发进程当中 , 还与AI编程工具Cursor开展了联合训练 , 以此进一步强化该模型所具备的软件工程能力。
然而, 相较于“最强模型”这般的宣传方面的吸引眼球的手段, 开发者们更为在意的问题实际上仅仅存在两个: 它究竟可不可以具备竞争力? 它是否值得被使用?
如今公布的各项基准测试、官方表述的技术详情、测试者基于开发经验得出的评测结论中, Grok 4.5 给出的回应能被总结成一句话, 那就是这个表述可以明确判断: 绝对性能层面不一定始终在所有相关产品里占据首位, 然而要是把运行速度以及所需款项共同纳入考量范围, 它很有可能属于当下性价比极为突出的AI编程模型种类之一。
数万块 GB300 GPU 训练开运真人app下载苹果版,开运真人app下载，更强调“真实工程能力”
根据SpaceXAI所说, Grok 4.5于训练进程里运用了好几万块NVIDIA GB300 GPU, 而且针对超大规模训练拟订了一系列稳定性优化举措。
官方宣称, 相较于只是单纯地去扩大训练Token的数量而言, 他们更加注重的数据是质量, 为了达成这样的目标, SpaceXAI团队在数据预处理期间开展了诸多工作, 涵盖了数据去重在内, 还有质量评分, 以及针对编程、科学、工程、数学等领域方面实行的数据筛选, 与其持续不断地去增加训练Token, 倒不如让模型能够学到更多具备高价值的数据。
与此同时, Grok 4.5的强化学习也就是RL, 同样有着大幅提升。据了解, Grok 4.5的RL这个阶段涵盖了数十万个任务, 其中大部分都是源自真实的软件工程情景, 采取自动化评测与模型评测结合的途径持续优化。
更具趣味的是, SpaceXAI特意构建了一套具备高度异步特性的, 也就是Highly Asynchronous的训练架构, 哪怕有某个（特定的）Agent持续开展长达数小时的复杂任务, 其训练进程依旧能够在后台由数万块GPU持续推进进行, 进而持续不断地提升模型在真实工程环境里的推理能力。
一个 Prompt，就能完成整个应用开发
关于 Grok 4.5 的能力呈现中, SpaceXAI 所给出的要点基本上全都围绕着软件的开发行进展开: “Grok 4.5 不但能够处理繁杂的 Rust、C/C++ 编程任务, 而且还能够依据一句 Prompt 从无到有生成完整的应用。”。
根据官网所给出的阐释而言, 被其展示出来的诸多Demo, 全部都是经由模型借助一次Prompt（One-shot）达成的——对于用户来讲, 仅需把自身需求予以描述, 模型就能够直接生成在设计方面十分完备、于功能层面较为齐全、可以进行运行的应用, 并不需要开展多轮调试。
模拟出一个精致美妙的宇宙跟太阳系场景, 要有能够调节的时间加快功能, 还要有逼真的运动路线、行星轨道以及恒星效果, 运用Three.js来达成。界面对象（HUD）要设计得好看, 需契合现代设计准则。
当前, Grok 4.5 已然成了 Grok Build 的默认模型, 这其中, 除了编程之外。
在 Office 的相关场景当中情况之下 的情形 , 它能够可以自动地构建搭建复杂的 Excel 表格状况情形 , 达成完成联网资料的检索查找搜索 、跨越跨工作表的公式计算运算以及和 , 紧接着随后自动地留下备注注释以便于利于后续后续的修改调整变动 ; 与此同时之时并且与此同时还能够可以利用运用 PowerPoint 原生图形来绘制设计流程图 、架构图图纸图表 , 而且并且在 Word 里头之中的当中进行生成制作结构清晰明了的文档文件。当下目前这个时刻的时候 , Word 、 PowerPoint 和 Excel 插件也已然已经同步配套上线发布了。
Benchmark 有惊喜，也有短板
那么, 它究竟有没有抵达GPT - 5.5、Claude等处于第一层次梯队级别的模型水平呢? 依据SpaceXAI官方所公布出来的数据去看, 得出的答案是: 在一些部分性的任务方面已然是极为靠近了, 不过总体上头依旧遗留着一定的距离。
例如, 在用于测试复杂命令行任务能力的Terminal Bench 2.1里, Grok 4.5取得了83.3%的成绩, 这一成绩几乎与GPT - 5.5的83.4%持平, 而距离Anthropic的Fable 5的84.3%仅仅只差1个百分点。
然而, 当来到了更能检验真实软件工程本事的Benchmark之时, 差距便开始逐渐显现出来了。
关于评估模型解决实际GitHub Issue能力来考量的DeepSWE 1.1之中的情况下, Grok 4.5所获得的分数是53%, 明显是要降低於GPT-5.5之处的67%, 还有Fable 5的70%。
在更高难度的 SWE Bench Pro 测试里, Grok 4.5 取得了 64.7% 的成绩, 尽管在某些配置情况下已超越 Claude Opus 4.8, 然而与 Fable 5 的 80.4% 相比, 仍存在着不小的差距哦。
也即是说, 要是仅仅去看Benchmark的话, Claude系列以及GPT - 5.5的情况, 仍然是一直保持着一定数量且处于领先位置没有被超越的优势呢。
四款顶级模型同场 PK：Grok 4.5 究竟能打吗？
当然, 针对Benchmark而言, 其仅能够表明一部分对应的问题。为了能够更加接近真实的开发体验状况, 外国媒体那边的TryAI趁着恰好的时机组织举办了一场测评活动, 该测评活动对应的规则是十分简单的:
叫 Grok 4.5、GPT-5.5、Claude Opus 4.8 还有 Claude Fable 5 接收一模一样的 Prompt, 一下子生成完整应用去, 不准改动 Prompt, 并且不准有人工修代码的事情发生。
（1）第一关：制作一个可打乱、可自动复原的 3D 魔方
让Prompt统一变成: “去创建一个有着彩色外观, 且具备3D效果的魔方, 其中涵盖‘打乱’以及‘复原’这两个按钮, 而且其旋转过程必须拥有动画效果。”。
第一次生成时, 页面上只有标题和按钮, 魔方完全没有显示, 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, 测试人员使用唯一一次允许的重试机会生成完整作品, Grok 4.5第二次才成功, 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
转换为: “生成一个借助 Canvas 的粒子引力模拟器, 具备数量达数百个的粒子以及运动轨迹, 通过点击鼠标能够去创建全新的引力源, 全部视觉效果尽可能地拥有观赏性。”。
这次, 四款模型均成功达成了任务, 所以评判标准更倾向于视觉呈现, 当中:
要是仅仅谈论“颜值”这方面, TryAI 的那些进行测试的人员觉得, GPT - 5.5 的所产生的效果是最为出色的。
（3）第三关：生成一款经典的打砖块游戏
规定 Prompt 统一成为: “一款能够于画布之上进行运行的打砖块游戏, 其中, 球拍会随着鼠标的移动而移动, 小球可以击碎彩色的砖块, 并且该游戏包含得分以及生命值。”。
于这场测试里, 四款模型皆全然一次达成成功, 不管是挡板控制, 还是小球碰撞, 亦或是砖块消除开云真人app官网登录app,开云真人app在线登录，又或者是得分统计之际, 乃至生命系统这里, 俱已然于现在这一刻已拥有完备功能, 能够径直去游玩。当中 Grok 4.5 跟 GPT-5.5 的霓虹街机风格更为显著突出, 然而就整个情形来观察考虑, 四款模型均已达至可以直接予以交付的水准。
在完成三轮测试以后, TryAI 的测试团队又另外增添了一项趣味测试, 这项测试是让四款模型单纯凭借 SVG 去绘制一幅“一匹马骑在宇航员背上在月球漫步”的画面。其中, Claude Fable 5 还增添了对白以及剧情, 被评定为“不只是在画图, 更是在讲笑话”, 从而成为这一轮最具创意的作品。
Grok 4.5 的最大“杀手锏”开云app在线入口,开云真人官方下载，其实是价格
确实能引发关于Grok 4.5的讨论的, 实际上来说, 并非靠Benchmark, 却是籍由它的价钱。
目前，几个主流模型的API 定价如下：
仅仅只是从单价这个角度去看, Grok 4.5 的输入价格仅仅只是 GPT - 5.5 的百分之四十, 仅仅只是 Fable 5 的百分之二十, 其输出价格同样仅仅只是 GPT - 5.5 的百分之二十。除了单价更低这个情况之外, SpaceXAI 还着重强调, Grok 4.5 在 SWE Bench Pro 上完成相同任务的时候, 所消耗的 Token 数量大约是 Claude Opus 4.8 的四点二分之一, 与此同时推理的速度能够达到每秒八十个 Tokens。
对于这一点而言, TryAI在进行测评之后, 同样得出了相类似的结论, 即: Grok 4.5能够在少于0.5秒这么短的时间之内, 输出首个Token, 再者, 其整体生成速度达到了大概约为110 Token/s, 并且此速度几乎是GPT-5.5、Claude Opus 4.8的生成速度的两倍, 与此同时, 它还是四款模型当中调用成本最低的那一款模型。
那么, 要是将 Token 单价, 以及 Token 消耗, 还有生成速度进行综合考量的话, Grok 4.5 在性价比层面展现出的优势极为显著, 从相当程度来讲, 实际上 Grok 4.5 这般的定价策略和智谱 AI、DeepSeek 等国产大模型厂商有着很大程度的相似之处, 即先把性能提升至第一梯队附近水准, 而后凭借更低的价格去争夺市场。
当下, Grok 4.5 已然正式得以上线, 能够经由 Grok Build、Cursor、SpaceXAI Console 进行运用, 对于开发者而言, 仅仅只需申请一个 API Key, 便能够借助几行代码迅速接入 Grok 4.5:
那么, 你针对于马斯克旗下SpaceXAI新近发布的这一款Grok 4.5, 又有没有产生兴趣呢?
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
标签： SpaceXAI Grok4.5 AI编程模型 Benchmark 性价比
还木有评论哦，快来抢沙发吧~