Grok 4.5 模型解读：把 Cursor 塞进训练数据的编程旗舰
模型：Grok 4.5（xAI / SpaceXAI） 发布：2026-07-08（API 上线；内部 Beta 06-28；正式公告 07-16） 定价：API $2/$6 每百万 token（缓存读 $0.50）；约 80 tokens/s 这是 Grok 系列的第一个”编程向旗舰”。Grok 4.5 用全新 V9 基座（1.5T 参数），SWE-Bench Pro 64.7% 与 Claude Opus 4.8 只差 4.5 个点，但输出价只有人家的约 1/4——还顺手把 Cursor 的开发者会话数据（Anysphere 被 SpaceX 以 600 亿美元收购后的战利品）喂进了训练管线。它发布当天撞上 OpenAI 公开 GPT-5.6，把”编程 Agent 价格战”打到了白热化。
一、引言：一场被 GPT-5.6 抢了头条的发布
2026 年 7 月 8 日，Grok 4.5 的 API 正式上线（6 月 28 日已在 SpaceX/Tesla 内部 Beta，7 月 16 日官方公告）。巧的是同一天 OpenAI 公开了 GPT-5.6——两个”编程向旗舰”撞在同一天，媒体头条被 GPT-5.6 抢走，但真正改变市场价格的，是 Grok 4.5。
它也是 xAI 并入 SpaceX（更名 SpaceXAI）后发布的第一个旗舰模型，生来就带着”航天集团军”的气质。
二、基座：V9，1.5T 参数
- 全新 V9 基座，1.5T 参数——约为 Grok 4.3 所用 v8-small 的 3 倍，是 Grok 系列有明确口径的最大模型；
- 上下文缩至 500K（从 4.3 的 1M 回调——xAI 显然权衡了”长上下文 vs 能力密度”）；
- 训练使用数万张 GB300 GPU；异步训练（agent 边推理边学习，训练与推理共用数据流）；
- ⚠️ 速度口径：官方约 80 tokens/s；Artificial Analysis 实测约 91–119 t/s（TTFT 约 13.7s）。
三、训练：Cursor 数据的争议与真相
Grok 4.5 最出圈的是它的训练数据——真实 Cursor 开发者会话数据：
- 背景：2026 年 6 月 16 日，SpaceX 以 600 亿美元全股票收购 Anysphere（Cursor 母公司），Q3 交割——xAI 母公司买下了编程 IDE 的头号玩家；
- 官方明确：Cursor 数据用于补训（post-pretraining）而非预训练起点——不是”从 Cursor 语料从零训练”，而是把真实开发者的编码行为（修 bug、重构、跑测试的完整轨迹）灌进后训练阶段；
- 争议：Cursor 曾披露其旧代码快照意外混入训练集（数据污染，⚠️ 具体影响存疑）；“用竞品生态的数据训模型”也让部分开发者反感。
这套”收购 IDE → 拿真实工作流数据 → 反哺模型”的闭环，是 2026 年 AI 行业最激进的数据策略——OpenAI 买不出 Cursor 这种数据，Anthropic 只能靠 Claude Code 自己的遥测，xAI 直接买断了最大数据源。
四、成绩：逼近 Opus 4.8，价格只有 1/4
xAI 自测基准（多数被 Artificial Analysis 独立复现）：
- SWE-Bench Pro 64.7%（vs Claude Opus 4.8 的 69.2%、GPT-5.5 的 58.6%、Fable 5 的 80.4%）；
- Terminal-Bench 2.1 83.3%；SWE-Bench Verified 86.6%；LiveCodeBench 87.4%；
- SWE Marathon 29%（第一）；AA 智能指数 54（第 4/168，agentic 工具使用第一）；
- token 效率：单编码任务平均 1.6 万 token vs Opus 4.8 的 6.7 万（约 4.2 倍省）；AA 实测单编码任务成本约 $2.5（GPT-5.5 约 $5、Fable 5 约 $11.8）。
价格：API $2/$6，缓存读 $0.50——输出价约为 Opus 4.8 的 1/4。马斯克的原话：“Opus 4.7 级别，但快得多、便宜得多。“
五、发布生态：从 API 到全家桶
- 与 Cursor 全套餐捆绑（自家产品，深度集成）；
- 开源 Grok Build（7 月 16 日，编程工具链）；
- 接入 GitHub Copilot、Google Workspace、Office 插件全渠道分发。
六、争议
- 幻觉问题：AA-Omniscience 评测显示幻觉率 25% → 54%——越自信的场合越容易出错，对编程模型是硬伤；
- EU 缺席：首发不含欧盟（7 月 17 日补上线），合规进度落后；
- SWE-Bench Pro 基准本身：它是 Scale AI 的 1865 题多文件基准（平均 4.1 文件/107 行），因 SWE-Bench Verified 污染问题（2025 年起）而成为新标准——Grok 4.5 在这个”新标准”上拿 64.7%，含金量需时间检验。
收尾：我的一点看法
Grok 4.5 是”收购 + 数据 + 价格”三位一体的教科书案例。它让我重新理解了 SpaceX 为什么要花 600 亿美元买 Cursor：买的不只是 IDE 的用户，是训练下一代编程模型的数据命脉。Grok 4.5 的 SWE-Bench Pro 64.7% 有 Cursor 会话数据的功劳，这个数据优势在 2027 年只会越滚越大。
价格上它更是把编程 Agent 市场打穿了——Opus 4.8 的 1/4 价格、4 倍 token 效率，等于告诉所有开发者”同样的活，用 Grok 只要零头”。Anthropic 当时约占编码助手营收的一半，Grok 4.5 就是冲着这块蛋糕去的。
但我不认为它已经赢了。幻觉率 25%→54% 是个危险信号：编程场景里”自信地写错代码”比”承认不会”贵得多；SWE-Bench Pro 64.7% 与 Opus 4.8 的 69.2%、Fable 5 的 80.4% 仍有代差；而且”编程向旗舰”意味着它牺牲了通用性——一个只会写代码的 1.5T 模型，在 2026 年的全能时代能走多远，要打问号。不过，作为 SpaceXAI 时代的第一份答卷，它足够凶悍：数据、价格、生态三张牌全押上桌了。
附：核心数据速查
基本盘
| 项目 | 数值 |
|---|---|
| 发布 | 2026-07-08（API）；07-16（公告） |
| 基座 | V9，1.5T 参数（4.3 的 v8-small 的 3 倍） |
| 上下文 | 500K |
| 速度 | 官方约 80 t/s；AA 实测 91–119 t/s |
| 定价 | $2/$6（缓存 $0.50） |
关键基准（xAI 自测，AA 多数复现）
| 基准 | Grok 4.5 | 对比 |
|---|---|---|
| SWE-Bench Pro | 64.7% | Opus 4.8 69.2%；Fable 5 80.4%；GPT-5.5 58.6% |
| SWE-Bench Verified | 86.6% | — |
| Terminal-Bench 2.1 | 83.3% | — |
| SWE Marathon | 29%（第一） | — |
| AA 智能指数 | 54（agentic 工具使用第一） | GPT-5.5 60 / Opus 4.7 57 |
| 单任务成本 | 约 $2.5 | GPT-5.5 约 $5；Fable 5 约 $11.8 |
关键事件
- 2026-06-16 SpaceX 以 $600 亿收购 Anysphere（Cursor）
- 训练引入真实 Cursor 开发者会话数据（补训）
- 2026-07-08 同日 OpenAI 公开 GPT-5.6
关键概念清单
- SWE-Bench Pro = Scale AI 的多文件软件工程基准（2025.8 发布）
- 编程向旗舰 = coding-first，以编程能力为第一优先的旗舰模型
- 异步训练 = agent 边推理边学习的训练方式
- TTFT = Time To First Token，首个 token 生成延迟
- token 效率 = 完成同一任务消耗的 token 数
如果这篇文章对你有帮助，欢迎分享给更多人！
部分信息可能已经过时