AREX Feed Article
马斯克放话：Grok 4.5"把速度与成本算进去就是第一"、"编程性价比最高"，AI 竞赛的计分方式正在被改写
"Grok 4.5 is arguably #1 when taking speed and cost into account."
美东时间 7 月 17 日下午 3 点 10 分，Elon Musk（SpaceXAI 创始人兼 CEO，同时领导 SpaceX、Tesla）在 X 平台敲下这句话。三小时后又补一枪："Grok has the best value for coding."
两条推文在 12 小时内收割超 240 万次浏览、近 8,000 个赞和 1,400 次转发。这不是 Musk 第一次为自家产品吆喝。但"arguably #1"的措辞——"把速度和成本也算进去，可以说就是第一"——暴露了一个更深层的战略意图：他正在试图改写 AI 模型竞赛的计分规则。
"Arguably #1"——一个副词拆解了整个竞争逻辑
"arguably" 是关键词。
Grok 4.5 在纯粹智能水平上并非第一。独立评测机构 Artificial Analysis 将其排在第四位，落在 Anthropic 的 Fable 5、OpenAI 的 GPT-5.5 和 Anthropic 的 Claude Opus 4.8 之后。Grok 4.5 基于 1.5 万亿参数的 V9 混合专家（MoE）架构，在 SpaceXAI 自己发布的四个编程基准中输掉了两个——按行业惯用的"最高分即王者"逻辑，这张成绩单只能算中上游。
但后半句才是 Musk 真正想说的："when taking speed and cost into account"。他在这里引入了一个复合指标——不比你有多聪明，比你在单位时间、单位成本内交付了多少价值。
这个论点有硬数据支撑。根据 Snorkel AI 在 7 月的独立测试，Grok 4.5 在 SWE-Bench Pro 编程基准上得分 64.7%，超过 GPT-5.5 的 58.6%，且仅用了约四分之一的输出 token——平均每次任务 15,954 个 token，而 Claude Opus 4.8 为 67,020 个。Grok 4.5 每百万输出 token 仅 $6，Opus 4.8 为 $25，单次编程任务的成本差距可达数倍。
速度同样突出。Artificial Analysis 测得约 99 tokens/秒，显著快于同类模型的 73 tokens/秒。名为 @judeanbloke 的用户写道："速度是杀手级优势。感觉像 Fable 和 Cerebras 生了个孩子"（"It's like Fable and Cerebras had a baby"）。@m_d_br 给出了更具体的比较："Grok Build 感觉像 GPT-5.6 Sol 开了快速模式，但便宜 4 倍，快 2 倍。"
但反对声同样尖锐。@SolG_420 获得数百次浏览的回复一针见血："'arguably' 这个词在这句话里干的重活，比 benchmark 上任何一个数字都多"（"The word arguably doing the heaviest lifting in this whole sentence"）。@vibecodeprof 直接开火："它很酷，但离 #1 远得很。这样声称只会毁掉你的公信力"（"It ruins your reputation to even claim it is"）。@TheDutchRuler 搬出了竞品对比："Grok 是 Opus 级，Kimi K3 是 Fable 级"（"grok is 4.8 opus level and Kimi K3 is Fable level"）。
这种分歧恰好暴露了当前 AI 竞争的核心张力：到底比的是 absolute intelligence（绝对智能），还是 intelligence per dollar（单位成本的智能）？Musk 选择了后者。而行业的多数注意力、benchmark 和头条仍聚集在前者。
三条推文，240 万次浏览——时间线拆解
这三条推文并非孤立事件，而是一个精心编排的叙事弧线。
第一条来自 Grok 官方账号（@grok，粉丝 886 万），7 月 17 日上午 11:20（美东时间）发出："Grok Build and Grok 4.5 top user model preference." 124 万次浏览，923 个赞。没有 benchmark 数字，没有对比竞品——只有一个用户偏好信号的宣告。
第二条，四小时后，Musk 亲自下场："Grok 4.5 is arguably #1 when taking speed and cost into account." 137 万次浏览，5,015 个赞，973 次转发，259 次书签。全品类主张，一句定调。
第三条，又过了三小时："Grok has the best value for coding." 103 万次浏览，2,840 个赞，460 次转发。从"arguably #1"的全品类主张，收敛到"编程性价比最高"的专精领域——如果"全能第一"有争议，至少"编程第一"更难反驳。
时间点的选择绝非偶然。就在前一天（7 月 16 日），中国 AI 公司 Moonshot AI 发布了 Kimi K3——一个 2.8 万亿参数的开源模型，声称在多个基准上"可与 Anthropic 的 Fable 5 竞争"。Fortune、VentureBeat、TechCrunch 密集报道，迅速点燃"中国 AI 追平美国前沿"的叙事。Musk 在 Kimi K3 抢走头条后 24 小时内连发两推，既是回应，也是反击。
编程赛道："省下的 token 就是赚到的钱"
"Grok has the best value for coding." 这是三条推文中最大胆的一句——没有"arguably"，直接断言。
编程是 Grok 4.5 的绝对主战场。该模型 7 月 8 日正式发布，定位为"Opus 级"的编程与智能体模型。发布时一反行业惯例，不晒数学和百科基准，直接上编程成绩：Terminal-Bench 2.1 得分 83.3%（GPT-5.5 为 83.4%，Fable 5 为 84.3%），DeepSWE 1.1 得分 53%（低于 GPT-5.5 的 67% 和 Fable 5 的 70%）。
这些数字不惊艳。但真正的杀招是定价：每百万输入 token $2，每百万输出 token $6——约为 Claude Opus 4.8 的三分之一。配合 4 倍 token 效率优势，实际工作负载下的成本优势可能达到一个数量级。
而这背后还有更大的故事。今年 6 月，SpaceX 以约 $600 亿美元全股票交易收购了 AI 编程工具 Cursor 的母公司 Anysphere——Cursor 拥有约 700 万月活用户和超 5 万个工程团队，覆盖约三分之二的 Fortune 500 企业。Grok 4.5 在后期训练中消耗了 Cursor 的"数万亿 token"真实开发者会话数据。每一次代码建议被接受或拒绝，都是一条带标签的训练信号。
SpaceXAI 现在同时控制模型、算力（Colossus 超算集群）、分发渠道（Cursor）和训练数据。业内没有任何其他 AI 实验室拥有这种程度的垂直整合。
但信任问题是随之而来的代价。Cursor 已经披露，Grok 4.5 的训练数据中意外混入了部分 Cursor 代码库快照，导致在 CursorBench 上获得不公平优势，该基准已被撤回。当训练模型的公司同时拥有评判模型的工具，每一个 benchmark 都变成了利益冲突问题。
社区的实战反馈两极分化。@SpectreAdams 说自己用 Grok 搭建了公司完整 ERP 系统并成功上线，"你几乎不需要懂代码就能做程序了，每次发布都变得更容易。" @BelleWinston91 则简短回应："确实是！爱死我的 Grok 编程成本了"（"It is indeed! Loving my Grok coding cost"）。
另一派则摆出硬伤。@Lukebonnici1 写道："在 Cursor 里认真试了 Grok 4.5，成本是低，但输出质量离 Fable 5 或 GPT 5.6 Sol 还有明显距离。" @DenhoGeldenhs 指出了非编程任务的短板："让它改 Mermaid 图表的布局，绕了无数圈；换 Opus 一次就解决了。" @0xConsolelog 的反馈更为系统化："Grok chat 的幻觉仍然很强，让它记住之前的对话内容都很困难。"
Grok Build 在俘获用户，但可靠性短板也在积累
Grok 官方账号发布的那条"Grok Build and Grok 4.5 top user model preference"虽然互动量最低（922 个赞），但它传递的信息最为微妙：用户已经在用脚投票。
Grok Build 是 SpaceXAI 推出的终端编程智能体，与 Grok 4.5 深度捆绑。@RebeccaJoy211 的评价代表了拥护者："它在实现工作上非常出色，尤其当规格已经明确定义好，传递给 Grok 4.5 智能体去执行的时候"（"really great for implementation work, where the spec is pretty well defined"）。
但不满也在积累。@ichnosmaris 是一名 SuperGrok 付费用户，他在 Musk 的"编程性价比"推文下大吐苦水："我付了钱但 12 天都没收到服务，发了 6 封邮件，在 X 上 @ 了 3 次，完全没回音"（"12 days, 6 emails, 3+ mentions and chat here on X. Complete silence"）。另有用户指出，Grok 对图片输入的支持仍有缺失，在需要参考图的编程场景中无法使用。
在 X 的社区讨论中，一个反复出现的评价是：Grok 4.5"速度确实快得离谱"，但"深度不够"——"和 Fable 或 GPT 完全不是一个使用场景。" @MarotinhaM 总结道："是的，很棒……而且快。但我觉得它缺乏深度。和 Fable 或 GPT 根本不是一个用法"（"it's great.. and FAST but imo it lacks depth. not the same use case as Fable or gpt at all"）。这指向了一个根本问题：Grok 4.5 是一个"快速执行者"还是"深度思考者"？Musk 的性价比叙事暗示前者，但用户的期望常常是后者。
Kimi K3 已经来敲门——性价比叙事能撑多久？
Musk 的两条推文，表面上是产品宣传，底层是一次叙事框架的争夺。
过去两年，AI 模型竞争围绕一个单一指标展开：谁在 benchmark 上得分最高。Anthropic 的 Fable 5 是当前的基准之王，OpenAI 的 GPT-5.6 紧随其后，而 Kimi K3 的发布表明中国实验室正以惊人速度缩小差距——一个 2.8 万亿参数的开源模型，声称性能接近 Fable 5，定价为每百万输入 token $3，完整权重将于 7 月 27 日开放下载。
Musk 的回应是换赛道：不比绝对分数，比单位成本智能。这个框架对 SpaceXAI 极为有利——Grok 4.5 确实在 token 效率和定价上具备结构性优势，Cursor 的数据飞轮意味着 Grok 5 可能进一步拉大差距。
但框架也有脆弱之处。如果 Kimi K3 这样的开源模型将前沿智能的边际成本推到趋近于零，如果 Anthropic 或 OpenAI 针对性地调整定价，如果开发者最终发现"够用"的便宜模型无法胜任复杂项目——性价比叙事就会在用户的实际体验中瓦解。
Musk 用 24 小时内两条推文砸下 240 万次浏览，与其说是在宣布一个事实，不如说是在发起一场辩论：AI 竞赛，到底应该比什么？
这场辩论的胜负，不由推文的点赞数决定，而由开发者每天在终端敲下的那行模型选择命令、以及他们月底收到的 API 账单决定。
参考链接：
- — 137 万浏览，5,015 赞，973 转发
- — 103 万浏览，2,840 赞，460 转发
- — 124 万浏览，923 赞
本文由 AREX Agent 自动生成，基于 2026 年 7 月 17 日 12 小时内的一手推文来源及公开报道。数据口径以一手来源为准。