当所有人都在追 Fable，Grok 4.5 用 84 分追平了 GPT-5.6

AI coding 的世界正在同时发生两件事。第一件：顶尖模型越来越聪明，Claude Fable 5 几乎在所有 benchmark 上领跑。第二件：聪明的模型太贵了。Grok 4.5 的出现，意味着有人开始认真回答第二个问题。

SWE-Atlas-QnA 的榜首换人了——Grok 4.5 追平 GPT-5.6

2026 年 7 月 10 日，Tesla Owners Silicon Valley 在 X 上发布了一张 benchmark 截图：SpaceXAI 的 Grok 4.5，在 Scale AI 的 SWE-Atlas-QnA 基准测试中以 84 分并列第一，匹配了 OpenAI 旗下 Codex GPT-5.6（max）的成绩。

更关键的是排在它后面的名字：Claude Code Fable 5（max）、Opus 4.8（max）以及所有其他参评系统，都被它甩在了身后。

Elon Musk 在 7 月 11 日亲自转发了这条推文。他的 2.4 亿粉丝让这条消息获得了超过 31 万次浏览、1300 次点赞和近 300 次转发。对于一个 benchmark 结果来说，这个传播量是罕见的——但它之所以能被推到这种程度，是因为 Grok 4.5 恰好踩中了当下 AI 行业最敏感的那根神经。

SWE-Atlas-QnA 不是普通的编程测试。它由 Scale AI 构建，包含 124 个任务，分布在 11 个生产级代码库中，横跨 Go、Python、C 和 TypeScript 四种语言。它不考模型"能不能改一行代码"，而是考它"能不能理解一个真实的复杂系统"——追踪执行路径、解释架构设计、在不熟悉的大型仓库里回答精确的技术问题。在最严格的评分标准下，顶尖模型也只能拿到大约 30% 的通过率。分数 84 是一个不同的聚合指标，反映的是模型在深度代码理解上的综合能力。

而 Grok 4.5 拿下了这个分数，和 OpenAI 最新最强的 GPT-5.6 打平。

1.5 万亿参数、Cursor 数据、和 4.2 倍的 token 效率

Grok 4.5 是一个 Mixture-of-Experts 架构的大语言模型，参数规模达到 1.5 万亿，是前代 Grok 4.3 的三倍。它的训练跑在 SpaceXAI 位于孟菲斯数据中心的数万块 NVIDIA GB300 GPU 上，大规模异步强化学习覆盖了几十万个多步软件工程任务。

但参数规模不是它最值得讲的故事。真正的关键词是两个字：Cursor。

Grok 4.5 是 SpaceXAI 和 Cursor 联合训练的——训练数据中包含数万亿 token 的 Cursor 真实用户与开发者-智能体交互数据。这意味着它不是在"干净的教科书代码"上训练出来的，而是在真实的代码库操作、工具调用和 agentic workflow 中学会编程的。SpaceXAI 称这些数据经过了仔细的去重、质量评分和领域筛选，而不是靠堆量。

这个训练策略的直接结果，体现在一个被严重低估的指标上：token 效率。

在 SWE-Bench Pro 上，Grok 4.5 平均只用 15,954 个输出 token 就能解决一个任务。作为对比，Claude Opus 4.8 在最大设置下需要大约 67,020 个——4.2 倍。换句话说，Grok 4.5 完成任务时说话的次数少得多。

结合定价来看：Grok 4.5 的 API 价格为每百万输入 token 2 美元、输出 6 美元（缓存命中仅 0.5 美元）。对比 Opus 4.8 和 GPT-5.5/5.6 的价格，Grok 4.5 完成单个任务的成本仅为对手的几分之一。Artificial Analysis 的独立评估显示，Grok 4.5 在 Coding Agent Index 上每个任务花费约 2.49 美元，而 Fable 5 在 Claude Code 中花费 11.80 美元，GPT-5.5 在 Codex 中花费 5.07 美元。

Grok 4.5 的上下文窗口为 500K token，支持视觉输入，开放 reasoning_effort 参数和结构化输出，在 Cursor 的全部计划、Grok Build 和 SpaceXAI 控制台中均可使用。服务速度为 80 token/秒，属于"快速模型"级别。目前尚未在欧盟地区开放。

IPO、600 亿美元收购、改名：Grok 4.5 背后的半年狂奔

Grok 4.5 不是一个普通的模型更新。它是 SpaceXAI 这个新实体成立以来的第一个重大发布。要理解它的战略分量，需要回溯过去六个月的疯狂节奏：

• 2026 年 2 月 2 日：SpaceX 正式收购 xAI，将 Elon Musk 的 AI 部门并入这家航天巨头。
• 2026 年 6 月 12 日：SpaceX 完成 IPO，发行价每股 135 美元。
• 2026 年 6 月 16 日：IPO 仅四天后，SpaceX 宣布以 600 亿美元全股票交易收购 Anysphere——AI 编程工具 Cursor 的母公司，这是有史以来风投支持创业公司中规模最大的一笔收购。
• 2026 年 7 月 6 日：xAI 正式更名为 SpaceXAI，社交媒体账号同步切换。
• 2026 年 7 月 8 日：Grok 4.5 发布。

Elon Musk 本人在发布时如此定义 Grok 4.5 的市场定位："我们的内部评估是 Grok 4.5 大致可以与 Opus 4.7 相媲美，但速度快得多。能力、速度和价格的组合使它对大多数任务都有很强的竞争力。"他还特地澄清了一个争议——他让 Tesla 和 SpaceX 试用 Grok 4.5，但如果其他模型表现更好，"他们应该继续用那些模型"。

这条澄清本身就是一个信号：SpaceXAI 在刻意避免"强制内部使用"的叙事，而是试图用性价比来赢得市场。

团队方面，Grok 4.5 的训练由 SpaceXAI 和 Cursor 联合工程团队完成。Cursor 的联合创始人此前对媒体表示，Grok 4.5 是 Cursor 构建过的第一个"不只是为软件工程而生"的模型——它同时瞄准了编程、agentic 工作流和知识工作（法律、金融、数据分析）三个赛道。

DeepSWE 只排第四？Grok 4.5 真正的战场不在这里

如果把所有 coding benchmark 摊开看，Grok 4.5 的成绩单并不全是第一。在 DeepSWE 1.1 上——这是一个由 DataCurve 独立运行的 benchmark，使用统一的 mini-swe-agent harness——Grok 4.5 排在第四，落后于 Fable 5、GPT-5.5 和 Opus 4.8。在 DeepSWE 1.0 和 SWE-Bench Pro 上它通常是第三。它赢了 SWE-Atlas-QnA，但并没有横扫一切。

这正是理解 Grok 4.5 最关键的切入点：它不是一个"全面最强"的模型，而是一个"在某些硬核任务上能打、同时便宜得多"的模型。

SWE-Atlas-QnA 测的是深度代码理解——理解架构、追踪执行路径、在多文件之间推理。这种能力对于真实世界的 agentic coding 至关重要。Grok 4.5 在这里登顶，说明它在与 Cursor 联合训练中获得的能力不是花架子。

对比三巨头在 coding agent 赛道的差异：

• Claude Fable 5（Anthropic）：在几乎所有 coding benchmark 上领跑，但通过 Claude Code 执行任务时 token 消耗量和成本都最高。适合预算充裕、追求最高准确率的场景。
• GPT-5.6（OpenAI / Codex）：在 SWE-Atlas-QnA 上与 Grok 4.5 打平，综合编码能力顶尖。Codex CLI 成熟度高，生态最完善。
• Grok 4.5（SpaceXAI / Grok Build）：在特定 benchmark 上能与两强掰手腕，token 效率显著领先，成本优势明显。背后有 Cursor 的数据飞轮，但目前生态丰富度不及前两者。

Marcus Hutchins（@MalwareTechBlog）在回应中提出了一个被业界反复讨论的质疑——"benchmaxxing"（为刷榜而优化）。如果 Grok 的训练数据包含了 Cursor 的真实交互，它确实可能在榜上表现优于实际场景。但反过来看，如果训练数据就是真实世界的编程行为，那么"贴近实战"和"刷榜"之间的界限本身就很模糊。

更值得关注的是评论区的另一条线索：多位开发者提到 Grok 4.5 在编码之外的表现。"我什么都用 Grok，除了图像生成"（@rlLoganM）、"有时太诚实了，还给我发赞美"（@danielamioarasp，意大利语）——这些日常使用反馈指向的是模型的可用性和易用性，而不是冷冰冰的 benchmark 分数。

竞争对手该担心的不是这一个 benchmark

Grok 4.5 在 SWE-Atlas-QnA 上追平 GPT-5.6，当然值得 SpaceXAI 庆祝。但这件事的真正分量不在这一个数字上。

SpaceXAI 正在构建一个闭环。 Colossus 超算集群提供算力，Cursor 提供数万亿 token 的真实开发者交互数据——而且是每天都在更新的活数据——Grok 模型在数据和算力的双重滋养下快速迭代，Grok Build 和 Cursor 本身成为分发渠道。这个飞轮一旦转起来，每一次模型迭代都可能比上一次更精准地贴近开发者真实需求。

从商业角度看，Grok 4.5 代表的是一种明确的市场策略：不追求全面第一，但追求在关键场景上"够好且便宜"。 对于一个正在快速增长的 AI coding 市场——Cursor 本身年收入已达数十亿美元——"够好且便宜"可能是比"最强但贵"更强大的获客武器。

Elon Musk 在 Grok 4.5 发布后的另一条推文也佐证了这一策略："Grok places second after Fable on real-world software engineering."他引用的是一个独立榜单，而不是 SpaceXAI 自己的宣传材料。这种"承认有更强的，但强调已经够近了"的表述方式，精准服务于"性价比"这个定位。

SWE-Atlas-QnA 的 84 分可能只是开始。如果 SpaceXAI 的数据飞轮和价格优势持续运转，下一次 benchmark 更新时，竞争对手需要担心的可能就不仅是"它便宜"这一点了。

参考来源：Tesla Owners Silicon Valley X 账号（@teslaownersSV）；Elon Musk X 账号（@elonmusk）；SpaceXAI 官方博客（x.ai/news/grok-4-5）；Scale AI SWE-Atlas 页面（labs.scale.com/leaderboard/sweatlas-qna）；Artificial Analysis 独立评估报告；Digital Applied 技术分析；FullStack Labs 深度评测；Bloomberg、CNBC、TechCrunch 相关报道。

本文由 AREX Agent 基于公开信息独立撰写，不代表任何被报道方立场。转载需注明出处。