Grok 4.5 Medium 登顶 LaurenBench，Elon 放话：4.6 下周就到

7 月 31 日，Grok 4.5 Medium 在 LaurenBench 以 56.9% 的得分拿下第一，击败 Claude Sonnet 5、Claude Opus 5、GLM 5.2、Kimi K3 和 GPT-5.6。

同一天，Elon Musk 宣布 Grok 4.6 下周发布。

7 月 8 日才上线的 Grok 4.5，三周后刚在一个关键 agent 基准上爬到第一，接班人已站在门口。而且这只是 Medium——中等推理档位。

"Grok 4.5 还没享受到第一名，4.6 下周就到了"

拥有 380 万粉丝的 X 头部主播 Mario Nawfal 发推直呼："Grok 4.5 barely had time to enjoy first place." 该推文获 58K 浏览、195 次点赞。他写道 Grok 4.5"不会在聚光灯下待太久"。

更早引爆话题的是 DogeDesigner（@cb_doge）。这位 189 万粉丝的 X 大 V 在 7 月 29 日贴出 LaurenBench 排行榜截图，配文"BREAKING: Grok 4.5 ranked #1 on LaurenBench with a score of 56.9%"，斩获 4.39M 浏览、1,820 次点赞、348 次转发。榜单上，Claude Sonnet 5、Opus 5、GLM 5.2、Kimi K3 和 GPT-5.6 全部排在 Grok 4.5 Medium 后面。

Elon Musk 本人连发三推构成第三层引爆。7 月 24 日："Grok 4.6 in 2 weeks and Grok 4.7 in 4 weeks"（1.75M 浏览，11K 点赞）。7 月 28 日补充细节：4.6 是 1.5 万亿参数模型，SFT 与 RL 大幅升级，定档 8 月 7 日前后；4.7 是 2.1 万亿参数，在各方面优于 4.6。该推收获 6M 浏览、21K 点赞。7 月 30 日 Elon 追加一句："And Grok 4.6 is a significant improvement"（5.4M 浏览，8.8K 点赞）。7 月 31 日当天他还发推"Try Grok 4.5"，附上 X.ai/cli 链接，再获 1.2M 浏览。

社区反应两极。有中文用户调侃"AI 榜一体验卡按周发放了属于是"，也有开发者冷静指出："leaderboard 只有在测试条件和评分方法完全透明时才有意义。"

三个月三级跳：4.3 → 4.5 → 4.6

4 月 30 日，xAI 发布 Grok 4.3，在 BenchLM 上得分 64.2，定价 $1.25/$2.5 每百万 token。彼时 Anthropic 的 Claude Opus 系列占据 agentic 任务心智高地，OpenAI 的 GPT-5.6 系列在 coding 领域设定参考线。

7 月 8 日，Grok 4.5 上线。这是 xAI 与 Cursor 联合训练的 Mixture-of-Experts 模型，训练数据包含万亿级 token 的 Cursor 用户交互数据，覆盖代码库操作、开发者-agents 协作模式。Elon Musk 称其为"Opus-class 模型，但更快、token 效率更高、成本更低"。BenchLM 得分从 64.2 跃升至 75.5，排名杀入 216 个模型的第 8。Forbes 以"SpaceXAI 史上最强模型"为标题报道。

7 月 24 日至 31 日，Elon 在一周内连发三条 Grok 4.6/4.7 预告，累计 13M 浏览，41K 点赞。从 4.3 到 4.5 用了两个半月，从 4.5 到 4.6 只有一个月。xAI 的发版时钟正在从季度级切换到月度级。

Agentic 冲进 91 分位，但节奏才是真正的武器

LaurenBench 56.9% 的得分背后，是 Grok 4.5 在真实 agent 场景中的结构化优势。该基准测试对话、工具调用、记忆管理和安全合规四个维度，Grok 4.5 Medium 在每个维度上压制了 Claude Sonnet 5 和 GPT-5.6。

在 BenchLM 的综合榜单上，Grok 4.5 以 75.5 分位列 216 个模型的第 8 名。其最强分类是 Agentic——130 个模型中排第 12，处于 91 分位。Coding 排名第 29，位于 131 个模型的 78 分位。

具体 benchmark 数据：SWE-bench Pro 64.7%，SWE Multilingual 78%，Terminal-Bench 2.0 83.3%。VulcanBench v3 取得 91.3%，是当前 best verified 成绩。API 定价为输入 $2/百万 token、输出 $6/百万 token，500K 上下文窗口。

但让竞争对手不安的不是分数本身，而是迭代速度。Elon 明确表示 4.6 是 1.5T 参数模型，SFT 和 RL 有显著升级；再几周后 2.1T 参数的 4.7 跟进。当其他实验室还在打磨上一个版本，xAI 已经完成了下一个版本的训练。

"三家垄断前沿"的叙事，正在被 SpaceX 速度撞出裂缝

过去两年，AI 行业默认只有三家实验室能竞争前沿模型：OpenAI、Anthropic、Google DeepMind。三者在发布节奏上形成了默契——OpenAI 的 GPT-5.x 系列约每 4 至 6 个月迭代一次，Anthropic 的 Claude 系列周期相似。这种节奏保证每家都有时间打磨模型、消化工程债务。

xAI 打破了这个默契。Grok 4.3 到 4.5 的间隔约为两个半月，4.5 到 4.6 被压缩到一个月。Elon 7 月 28 日明牌了路线图：1.5T → 2.1T 两连发，间隔仅几周。

加速不是没有代价。Grok 4.5 的 API 定价从 4.3 的 $1.25/$2.5 涨到 $2/$6——成本转嫁到了用户端。BenchLM 数据也显示，Grok 4.5 在 Knowledge、Math、Multilingual、Multimodal 和 Instruction Following 五个类别中完全没有被测数据，说明 xAI 选择了聚焦 agentic 和 coding 的"偏科"路线。

但市场似乎不在意这些短板。DogeDesigner 推文的 4.39M 浏览和 Mario Nawfal 的 58K 浏览说明，社区真正关心的不是绝对分数，而是"又一家公司杀进来了"的叙事冲击力。

Elon 推文下有一条高赞回复精准概括了心态："By the time competitors optimize for 4.5, 4.6 is already on the launch pad."当对手还在为 4.5 调参，4.6 已在发射台。

当对手还在追 4.5，xAI 已经在写 4.7 的测试用例

Grok 4.5 Medium 登顶 LaurenBench 的意义不在 56.9% 这个数字本身。下个月这个数字就会被 4.6 覆盖，再下个月被 4.7 覆盖。真正重要的是，xAI 用不到一年时间从"Musk 的副业"走到了 agentic 任务的第一梯队，并且在 Anthropic 和 OpenAI 拉长发版周期的当口反向提速。当发布节奏本身变成竞争武器，追赶者与领跑者的身份就互换了。

Sources

— 3.8M followers, 58K views, 195 likes (Jul 31, 2026)
— 1.89M followers, 4.39M views, 1,820 likes (Jul 29, 2026)
— 6M views, 21K likes (Jul 28, 2026)
— 5.4M views, 8.8K likes (Jul 30, 2026)
— 1.75M views, 11K likes (Jul 24, 2026)
— 1.2M views, 2.5K likes (Jul 31, 2026)
— Score 75.5/100, #8 of 216, Agentic #12 (91st percentile)
— Joint training with SpaceXAI, MoE architecture, RL on difficult problems (Jul 8, 2026)
— "strongest model ever" (Jul 8, 2026)