目錄

• 您可能想知道的事
• 主題要點
• 關鍵洞見表
• 之後...

您可能想知道的事

• Grok 4.5 在成本與速度上與 Anthropic 和 OpenAI 當前旗艦模型相比如何？

• 在效率與原始基準表現之間的權衡下，哪些使用情境使 Grok 4.5 的選擇具有實際意義？

主題要點

SpaceXAI 宣布推出 Grok 4.5 作為其最新公開可用的大型語言模型。此次發佈將 Grok 4.5 定位為非在所有公開基準上遙遙領先的模型，而是一種刻意的權衡：以較低的 token 價格與更快的推理速度，換取在許多標準化測試上落後的排名。這種策略針對高量、實用的應用——尤其是軟體工程、程式輔助，以及 SpaceXAI 所稱的「知識工作者」等廣泛類別。

在定價方面，Grok 4.5 相較於 Anthropic 與 OpenAI 的當代產品顯著便宜。SpaceXAI 列出的費用為 每百萬輸入 token $2 與 每百萬輸出 token $6。相比之下，Anthropic 的 Opus 4.8 定價為每百萬輸入 $5 與每百萬輸出 $25，OpenAI 的 GPT 5.6 Sol 則列為每百萬輸入 $5 與每百萬輸出 $30。這些差異使得 Grok 4.5 對於 token 消耗量大且迭代頻繁的工作流程特別有吸引力。

創辦人兼執行長 Elon Musk 在 X 上形容 Grok 4.5 為「大致可與 Opus 4.7 相當，但速度快得多」，明確將該模型定位為優先考量速度與成本效益，而非基準最高分。此一差異很重要，因為基準排名仍是能力的常用簡寫，但實際應用常取決於延遲、token 效率與總擁有成本。

SpaceXAI 在 Grok 4.5 發佈時公布了數個基準結果，結果好壞參半：Grok 4.5 在 DeepSWE 1.1（衡量自動修 bug 的基準）上得分 53%，落後於 Anthropic 的 Opus 4.8 的 59% 以及 OpenAI 的 GPT 5.5 的 67%；Claude Fable 5 在該測試中以 70% 位居首位。在整合各種軟體工程挑戰的 SWE Bench Pro 上，Grok 4.5 達到 64.7%，超過 GPT 5.5 的 58.6%，但落後於 Opus 4.8 的 69.2% 與 Fable 5 的 80.4%。

這些基準結果顯示 Grok 4.5 具有競爭力，但在所有指標上並非一馬當先。重要的是，SpaceXAI 的比較是以 GPT 5.5 為基準，而非在 Grok 發佈後推出的 GPT 5.6；因此部分比較反映了持續演變的市場情況。另一個情境因素是計算規模：Grok 4.5 的訓練使用了龐大的內部資源，訓練務次在 SpaceXAI 稱為 Colossus 的超級電腦基礎設施中，採用了數萬張 Nvidia GB300 GPU 進行。與許多沒有類似內部 GPU 群組的實驗室相比，這種計算投資規模相當顯著。

Grok 4.5 的論點在於效率數學而非原始準確率更為強勁。在 SpaceXAI 報告的 SWE Bench Pro 任務中，Grok 4.5 平均每個工作使用 15,954 個輸出 token，而 Opus 4.8 在類似任務中則需要 67,020 個輸出 token——輸出 token 使用量大約相差 4.2 倍。結合較低的逐 token 價格，這種效率可轉化為對於大量迭代或大量程式輔助與除錯工作而言，每個完成任務的實際成本顯著降低。

速度是另一項實務優勢：據報導 Grok 4.5 的執行速度約為 每秒 80 tokens，使其成為適合對延遲敏感工作流程的快速模型類別。SpaceXAI 也指出其訓練資料偏重開發者會話記錄和透過 Cursor（SpaceXAI 正在收購的公司）取得的實際程式碼編輯，而非純粹的靜態程式庫。這種開發者會話導向旨在產出更能反映迭代式除錯與即時編碼行為的模型，即便某些基準數據落後於最前沿模型，也能提升工程師的實用性。

然而，此次發佈也凸顯了顧慮與限制。Elon Musk 已承認過去對訓練資料流程的檢視，而使用 Cursor 會話資料也引發了關於來源與同意的疑問，這些議題在訴訟與公開討論中備受關注。此外，Grok 4.5 在發佈時並未立即在歐盟可用；SpaceXAI 表示歐盟存取將於七月中旬陸續開放，顯示分階段的區域推出計畫。

從使用者角度來看，權衡很直接。對於優先考量每個任務成本低、回應速度快與迭代吞吐量（例如大型工程組織、自動化程式產生管線或大規模內部工具）的團隊而言，Grok 4.5 的定價與 token 效率具有吸引的價值。對於追求創意寫作、複雜多步推理或最高基準分數的使用者來說，像 Claude Fable 5 或最新的 OpenAI 產品仍然更適合。

使用者的早期實際體驗與此框架一致：快速測試顯示 Grok 4.5 在直接的程式編寫任務上表現可接受，但在創意寫作方面較不突出，這與 SpaceXAI 對開發者導向工作流程的強調相符。該模型可透過 API 存取與 SpaceXAI 托管平台使用，支援大上下文——SpaceXAI 在某些端點宣傳約五十萬個 token 的上下文（約略低於 400,000 字）——可讓非常長的文件與龐大的會話歷史在單次處理中被處理。

總結而言，Grok 4.5 並不宣稱在所有品質指標上無可爭議地領先。相反地，它提供了一個務實、以成本為重點的替代方案，利用大規模計算、開發者會話的訓練訊號與較低的逐 token 定價，服務於高量且對延遲敏感的使用情境。對於那些每個任務經濟性與吞吐量比登上基準榜更重要的組織，Grok 4.5 是一個合理的選擇；而對於前沿研究與追求最高基準分數的情境，其他模型仍是較佳選擇。

關鍵洞見表

之後...

展望未來，Grok 4.5 的發佈突顯了一個重要的市場動態：效率與成本的重要性，除了絕對能力之外。隨著組織擴大 AI 的使用，token 成本與延遲成為關鍵的經濟槓桿。預期競爭將不僅集中在基準表現，還會聚焦於每個任務的經濟性、與開發者工作流程的整合，以及訓練實務的透明度。多家實驗室的持續迭代將精練這些權衡——部分模型會追求最前沿的品質，而像 Grok 4.5 這類模型則透過可負擔性與速度追求更廣泛的採用。與此同時，訓練資料來源的監管審查與業界期望在這些系統大規模部署時，可能仍將是討論的一部分。

對於正在決定是否採用 Grok 4.5 的團隊，實際的測試取決於工作負載：如果您的管線消耗大量 token 且需要頻繁迭代，請在真實工作負載中評估每個解決任務的總成本與延遲，而不要僅依賴基準排名。這種方法會揭示 Grok 4.5 的效率與定價是否實質改變您營運的計算方式。