拿 Opus 四分之一的 Token 量干完同样的活，推理快得离谱，价格也砍到了脚踝。这是 Grok 4.5 端上桌的第一印象。可独立测试给出一个泼冷水的数字：幻觉率比上代翻倍了。是性价比之王，还是个带毒的药？上机跑了一遍才有资格说。
产品速览
Grok 4.5 是马斯克的 SpaceXAI 在 2026 年 7 月 8 日发布的最新旗舰模型。它是 xAI 并入 SpaceX、并以 600 亿美元收购 AI 编程工具 Cursor 后的首款联合训练模型，1.5 万亿参数 MoE 架构，专门面向编程、Agent 任务和知识工作场景优化。
有意思的是，马斯克这次反常地没喊”全球最强”。他在 X 上原话是：内部评估 Grok 4.5 大致和 Claude Opus 4.7 差不多，但快得多。还补了一句，大多数任务根本不需要 Fable 级别的能力。这姿态跟一年前的”最强 AI”宣传画风完全不同，从争第一变成了”够用就行”。
官网：https://x.ai
硬实力一览
看得出来 SpaceXAI 这次把注押在了编程和 Agent 上，那功能层面能不能撑起这个定位？
编程与 Agent 是绝对核心。 Grok 4.5 与 Cursor 深度联合训练，训料里塞了真实的调试会话、多文件 diff 和开发者纠正数据。它不只是会写单文件函数，而是能读懂整个代码仓库、在多文件之间修改、调工具、跑测试、验证结果，完成一个完整的开发闭环。
Grok Build 让办公场景也分了一杯羹。 Grok 4.5 成为 Grok Build 的默认模型后，能做的不只是聊天了。在 Excel 里能构建带网络检索和多工作表公式的复杂模型，还能留便签。PPT 里能用原生形状画图、设计幻灯片布局。Word 里能从一句描述写出完整文档。官方称它会自动给生成文件加注释，方便后续参考。
自定义推理强度是个被低估的功能。 很多模型默认全力思考，功耗和延迟拉满。Grok 4.5 支持低/中/高三档推理强度，简单问题快速过，复杂任务火力全开。不过默认是高推理模式且不可关闭，这意味着简单对话也会消耗较多 Token。
实时 X/Twitter 搜索是它独一份的差异点。 出新闻、查舆情、追踪热点，Grok 4.5 直接拉 X 平台数据流。同类模型要等爬虫收录、索引更新，Grok 是原生集成，这是竞品暂时没法复制的优势。
真实上手感受
功能看起来挺全，但打开之后发现现实和宣传还是有些距离。
目前 Grok 4.5 主要通过三个入口使用：xAI API、Cursor 和 Grok Build。API 最简单，兼容 OpenAI 格式，改个 base_url 就能切过来。Cursor 则是给开发者用的 IDE 式体验，直接在编辑器里调用 Grok 4.5 写代码、改 Bug。
Grok Build 的体验更直观，一个基于浏览器的办公空间。试了下让它生成一份”2026 年 Q3 短视频营销趋势分析”的 PPT，大概 30 秒出了 6 页完整幻灯片，排版中规中矩，图表用的原生形状画出来的，这个细节比那些用占位符的模型强。但也翻了个车：生成一张柱状图时把七月的同比数据写成了”412% 增长率”，合理但不对，数据是它自己编的。
Excel 场景表现更好。丢给它一份真实销售数据，让它建一个多工作表的财务模型，两个跨表公式全部写对，还自动加了下钻分析的备注。这对重度 Excel 用户来说应该是最强卖点。
编程上的体感很实在。在 Cursor 里调用 Grok 4.5 解决一个涉及三个文件的 Python Flask 重构任务，模型从读取代码到改完加测试，38 秒完成。同样任务 Opus 4.8 大概花了 1 分 20 秒。快这件事是实打实的。
进阶玩法
基础功能会用了，但真正拉开差距的玩法都在下面这几个细节里。
很多人不知道还有这些进阶用法：
-
配置推理强度节省 60% Token：API 调用时把 reasoning_effort 从 high 降到 medium，简单任务（文案改写、翻译、格式转换）的 Token 消耗直接砍半，输出质量基本不降。反之需要审计代码或解算法的场景开 high，准确率能提升 8-12 个百分点。 -
系统提示词缓存（Caching）：Grok 4.5 的缓存输入仅 $0.50/百万 Token，是标准输入的 1/4。把大段固定 system prompt 设为缓存，做高频 Agent 调用时一天能省 60-70% 输入成本。 -
X 搜索 + 代码执行串联：先用 web_search 抓 X 平台最新行业报告，直接把搜索结果喂给 code_execution 做数据清洗和可视化。别的模型也能做，但 Grok 4.5 的 X 搜索延迟少 2-3 秒，端到端快一个身位。 -
Grok Build 的”便签”功能：在 Excel 或 PPT 生成时主动加注释（“这里的公式基于月复合增长率为 5%”），团队协作时别人打开文件一眼就知道计算逻辑从哪来的。同类模型目前没有一个能做到这一点。
看看对手什么水平
参数上 Grok 4.5 讲了很多故事，但拉到赛道上一比差距就出来了。前沿编程模型这条道上，Opus 4.8、Fable 5、GPT-5.6 Sol 是绕不开的对手。
Grok 4.5 在和这几个旗舰的直接对话里，主打的不再是”第一”，而是”每块钱能买到的智能”。
| 对比维度 | Grok 4.5 | Claude Opus 4.8 | GPT-5.6 Sol | Claude Fable 5 |
|---|---|---|---|---|
| 核心定位 | 编程+Agent性价比之王 | 通用高级推理 | 强推理+多模态 | 极限编程天花板 |
| API 输入价（$/M） | $2.00 | $5.00 | $5.00 | $10.00 |
| API 输出价（$/M） | $6.00 | $25.00 | $30.00 | $50.00 |
| 上下文窗口 | 500K | 1M | 1M | 200K |
| SWE-Bench Pro | 64.7% | 69.2% | 58.6% | 80.4% |
| Terminal-Bench 2.1 | 83.3% | 78.9% | 83.4% | 84.3% |
| DeepSWE 1.0 | 62.0% | 55.8% | 64.3% | 66.1% |
| 推理速度 | ~80 TPS | 中等 | 中等 | 慢 |
| 幻觉率（AA-Omniscience） | 54% | 未公开 | 未公开 | 未公开 |
注：价格为 2026 年 7 月官网数据，幻觉率来源于 Artificial Analysis 独立测试
Fable 5 在所有编码基准上都不讲理地领先，但输出价格是 Grok 4.5 的 8 倍。Opus 4.8 综合能力更强、上下文窗口大一倍，但在 DeepSWE 1.0 上却被 Grok 4.5 超了 6 个百分点，而且完成一次 SWE-Bench Pro 任务的平均 Token 消耗是 Grok 4.5 的 4.2 倍。
用户口碑如何
参数上 Grok 4.5 赢了性价比，那实际用下来的人怎么说？
发布三天内的社区反馈比发布会有意思。正面声音集中在开发者群体，“花 2 美分买回了之前 8 美分的生产力”、“Cursor 里用 Grok 4.5，写 Rust 代码终于不用等一个句子一个句子往外蹦了”。在 AutomationBench-AA 上 51.4% 的完成率排第一，这个指标直接反映了真正干活时的可靠性，不是跑分好看但实际不管用的那种。
吐槽更值得认真看。最刺眼的数据来自 Artificial Analysis 的独立测试：Grok 4.5 准确率从 Grok 4.3 的 35% 涨到 52%，同时幻觉率从 25% 飙到 54%。它知道的更多了，但搞错的时候也更自信了。有用户在 GDPval+ 知识工作测试中反馈，Grok 4.5 在法律和医疗领域的回答”措辞非常肯定，看起来特别专业，以至于你下意识会相信它”，然后发现数据是错的。
CursorBench 污染事件也被讨论得很多。Cursor 官方承认，Grok 4.5 训练时意外扫进了 Cursor 早期代码库快照，导致在 CursorBench 上的成绩无法采信。虽然独立基准（DeepSWE、SWE-Bench Pro）不受影响，但这个事故让”联合训练”的说法多了一层尴尬。
六维评估
口碑两极分化挺明显，拆开维度逐个打分比笼统感觉靠谱。
| 维度 | 评分 | 一句话解读 |
|---|---|---|
| 功能完整性 | ⭐⭐⭐⭐☆ | 编程/办公/Agent 覆盖面广，扣在取消视频输入 |
| 易用性 | ⭐⭐⭐⭐☆ | API 兼容 OpenAI，客服面渠道稍多不够统一 |
| 性价比 | ⭐⭐⭐⭐⭐ | 完成同任务的 Token 成本不到 Opus 4.8 的 1/4 |
| 创新性 | ⭐⭐⭐⭐☆ | 联合 Cursor 训练是赛道首创，X 搜索独家 |
| 稳定性 | ⭐⭐⭐☆☆ | 幻觉率飙升，500K 窗口倒退，EU 未上线 |
| 推荐度 | ⭐⭐⭐⭐☆ | Agent 高频场景闭眼推，知识密集场景慎重 |
综合评分：7.8 / 10
值得买的理由和劝退的点
优势
-
Token 效率天花板：SWE-Bench Pro 上消耗的 Token 不到 Opus 4.8 的四分之一，输入价比 GPT-5.6 Sol 便宜 60% -
Agent 场景登顶：AutomationBench-AA 51.4% 排名第一，Agent 工具调用和多步任务能力领先 -
Cursor 无缝集成：所有 Cursor 套餐可用，开发体验流畅，推理速度 80 TPS 是实打实的快 -
办公场景能打：Excel 多工作表公式构建、PPT 原生形状画图、Word 长文档生成，这三个功能竞品没有谁能同时做好
不足
-
幻觉率翻倍到 54%：知道得越多错误越自信，知识密集型任务风险高 -
上下文窗口砍半到 500K：比前代 Grok 4.3 的 1M 少了整整一半，大代码库分析场景不适用 -
EU 区域不可用：欧洲用户要到 7 月中下旬才能访问 -
无视频输入：Grok 4.3 引入的原生视频理解能力被移除
需求匹配指南
长处短板都摆在明面上了，不同场景下它的表现差别很大。
-
高频 Agent 开发者：你如果每天跑几千次 API 调用、对 Token 成本敏感、需要工具调用和多步推理，Grok 4.5 是当前性价比最高的选择。AutomationBench 的第一不是白拿的。 -
Cursor 深度用户：直接在 IDE 里调用，零迁移成本，体验比切浏览器开 ChatGPT 丝滑太多。所有套餐可用，也不用额外掏钱。 -
Excel/PPT 重度办公族：Grok Build 的多工作表公式构建和原生幻灯片生成能力独一份，其他前沿模型目前在这两个场景上还没追上。 -
时事/X 平台内容创作者：需要实时数据抓取和分析，Grok 4.5 的 X 搜索原生集成比竞品的通用网页搜索快且准，热点追踪和舆情分析能省不少时间。 -
劝退预警：如果你的工作场景依赖长文档分析（>500K Token 上下文的合同审查或代码库 review），或者对事实准确率有严苛要求（法律文书起草、金融报告），幻觉率翻倍这件事会让你随时处于”不知道该信哪句”的焦虑里。
算笔账
看完人群匹配，最实际的问题是到底要花多少钱、值不值。
| 版本 | 价格 | 核心权益 | 适合谁 |
|---|---|---|---|
| 免费版 | $0 | 每 2 小时约 10 次提示，基础 Grok | 只是试试看 |
| SuperGrok Lite | $10/月 | 更高限制，Grok 4.5 入门 | 轻度用户 |
| X Premium+ | $40/月 | 完整 Grok 4.5，X 无广告 | X 重度用户 |
| SuperGrok | $30/月 | 完整 Grok 4.5，DeepSearch | 纯 Grok 用户 |
| SuperGrok Heavy | $300/月 | Grok 4 Heavy，最高优先 | 企业/专业用户 |
| API (Grok 4.5) | $2/$6 每百万 Token | 500K 上下文，所有工具 | 开发者 |
截至 2026 年 7 月 10 日官网数据
API 部分值得单独说一下。输入 $2/百万 Token、输出 $6/百万 Token 的定价在旗舰模型里是地板价。缓存输入降到 $0.50/百万 Token 后，做高频 Agent 场景一天大几百次调用，成本优势会成倍放大。但注意超过 200K 输入时单价会上涨，长上下文任务要到 $4/$12 的水平。
对个人用户来说，$30/月的 SuperGrok 是性价比最均衡的选项。$300/月的 Heavy 档只推荐给有高频 API 级需求但不想自己搭调用链路的团队。
你可能还想问
细节说了一堆，大概率你还有些纠结的地方。
Q1：Grok 4.5 和 Claude Opus 4.8 到底谁更强？
A1：看怎么定义”强”。 绝对编码能力上 Opus 4.8 赢（SWE-Bench Pro 69.2% vs 64.7%），但完成同样任务的成本 Grok 4.5 只有 Opus 4.8 的四分之一。性价比维度 Grok 4.5 完胜，追求极致精度则选 Opus 4.8。
Q2：Grok 4.5 的幻觉率真的很严重吗？
A2：是的，独立测试显示从 25% 翻倍到 54%。 它对错误回答的自信程度明显提升，意味着你更难分辨它是在瞎编还是真有依据。编码场景因为有测试可验证，影响可控；知识类任务建议交叉验证。
Q3：500K 上下文窗口够用吗？
A3：对单文件编码和日常任务够用，大代码库分析不够。 500K 约 375 页内容，处理单个大型代码文件没压力，但无法一次加载整个大型仓库做全局分析。需要 1M 以上上下文选 Opus 4.8 或 GPT-5.6。
Q4：Grok 4.5 比 Grok 4.3 好在哪里？
A4：编程和 Agent 能力大幅提升，但牺牲了上下文和视频输入。 Grok 4.5 的编程基准全面领先、Token 效率更高，代价是上下文窗口从 1M 砍到 500K，视频理解也被移除。做视频分析或超长文档处理还是选 4.3。
Q5：免费版能用 Grok 4.5 吗？
A5：不能确定，免费版可能路由到低版本 Grok。 只有 SuperGrok（$30/月）和 X Premium+（$40/月）明确包含完整 Grok 4.5 访问。API 按量付费直接指定 grok-4.5 模型最可靠。
Q6：能在国内直接用吗？
A6：官网和 API 均可直接访问，无需特殊网络配置。 但目前主要是英文体验，中文能力未做针对性优化。另外 EU 区域要到 7 月中旬才开放，国内暂不受影响。
Q7：Cursor 里的 Grok 4.5 和 API 有区别吗？
A7：Cursor 有一个更快的变体，定价不同。 Cursor 内的 Grok 4.5 快速版定价为输入 $4/输出 $18 每百万 Token，速度更快但更贵。API 的标准版本 $2/$6 已经够大多数人用。
Q8：Grok 4.5 适合替代 ChatGPT 做日常助手吗？
A8：编程和时事查询可以，知识问答有风险。 它写代码快、查实时信息准，但做知识记忆、逻辑推理、长文档分析等日常场景不如 GPT-5.6 和 Claude 系稳定。建议当第二主力而非唯一助手。
Q9：CursorBench 数据污染是什么意思？影响大吗？
A9：训练数据意外包含了 Cursor 自己的代码库快照。 这意味着基于 Cursor 内部代码进行的测试，模型可能已经”见过答案”。独立基准如 SWE-Bench Pro 和 DeepSWE 不受影响，但第一次发布时部分成绩无法采信。
Q10：什么时候应该选 Fable 5 而不是 Grok 4.5？
A10：预算无上限且追求极致精度的场景。 Fable 5 在 SWE-Bench Pro 上 80.4% 的解决率远超 Grok 4.5 的 64.7%，但输出价是后者的 8 倍。多天持续运行的自主编程项目、对单点故障零容忍的生产环境，Fable 5 更合适。
所以到底值不值得
Grok 4.5 是一个定位异常清晰的模型，不跟 Fable 5 比绝对实力，不跟 Opus 4.8 拼天花板，而是用”一半不到的价格、四分之一不到的 Token 消耗”解决大部分工程问题。
对高频 Agent 开发者和 Cursor 用户来说，它是 2026 年 7 月这个时间点上单位成本能买到的最强 AI。但对需要绝对事实可靠性的场景，54% 的幻觉率是一颗不定时炸弹。如果你的工作流里有代码测试做验证，这颗炸弹就炸不到你。如果没有，选 Opus 4.8。