2026 年 7 月 8 日，xAI 发布了新模型 Grok 4.5——这是该公司首款专为编程和智能体工作打造的模型。真正的亮点不是新的智能纪录，而是经济性：价格比主要竞争对手低 60% 以上，同时 token 效率很高。对企业主或技术负责人来说，直接的结论是：现在你可以用一小部分成本运行编程和智能体工作负载，质量接近领先模型——前提是为任务选对模型。

Grok 4.5 是什么？

与通用模型不同，Grok 4.5 是围绕大型代码库和长会话中的真实编程工作而设计的。xAI 表示，它使用来自 Cursor 编辑器的真实开发会话数据训练该模型，并基于拥有 1.5 万亿参数的 V9 基座构建。结果是一个能够理解项目上下文、并跨多个步骤持续工作直至完成任务的模型——而不只是补全一行代码或回答一个问题。

定价：便宜 60% 以上

这是关键所在。Grok 4.5 每百万 token 的价格：

  • 输入：2 美元。
  • 缓存输入：0.50 美元。
  • 输出：6 美元。

这比 Claude Opus 4.8 和 GPT-5.5 低 60% 以上（两者的输入价格都在 5 美元左右，输出价格为 25–30 美元）。据 xAI 称，在 Codex 环境中完成单个任务的成本约为 GPT-5.5 的一半。在消耗数百万 token 的编程会话中，这一差距会转化为实实在在的每月节省。

效率：更少的 token 意味着更小的账单

标价只是故事的一半；另一半是模型完成任务需要多少 token。Grok 4.5 非常节省：根据 Artificial Analysis 的数据，在智能指数上它每个任务约使用 14,000 个输出 token，而 Opus 4.8 约为 67,000 个——不到其四分之一。再加上每秒约 80 个 token 的速度。实际意义在于：账单按 token 计量，因此一个既更便宜又更省 token 的模型会让节省成倍放大——尤其是在运行长时间、多步骤任务的智能体上。

性能：它实际处于什么位置？

整体情况较为平衡，不值得过度炒作。Grok 4.5 在 Artificial Analysis 智能指数上以 54 分排名第四，领先所有 Gemini 模型和开放权重模型。在衡量解决 GitHub 上真实编程问题能力的 SWE-Bench Pro 测试中，公布的数据如下：

  • Claude Fable 5（max 设置）：80.4%。
  • Claude Opus 4.8（max 设置）：69.2%。
  • Grok 4.5：64.7%。
  • GLM 5.2：62.1%。
  • GPT-5.5（xhigh 设置）：58.6%。

客观来看：Grok 4.5 并不是真实世界软件工程中最强的模型——Anthropic 的模型明显领先。但它在这项测试中超过了 GPT-5.5 和 GLM 5.2，而且价格和效率要好得多。它的价值在于“成本回报”，而不是登顶绝对排行榜。

这对你的企业意味着什么？

我们在 Origami 所坚持的原则，即使模型每隔几周就会变化，也依然成立：不要把你的产品绑定在单一模型上，而要把系统设计成能够根据所需质量和成本为每项任务选择合适的模型。具体来说：

  • 对于成本敏感的大量编程任务和长时间运行的智能体——Grok 4.5 是一个高性价比的有力选择。
  • 对于值得追求最高软件工程准确度的最难任务——Opus 4.8 或 Fable 等模型依然领先。
  • 黄金法则：在做出承诺之前，先在你的实际任务上测试模型，并同时衡量成本和质量，因为公布的数据不一定能反映你的情况。

这种灵活性——一个让你无需重写系统即可切换模型的层——正是我们为客户构建的东西，因为它能保护你的投资免受模型市场波动的影响，并确保你始终以尽可能低的成本获得所需的质量。

总结

Grok 4.5 并不是所有其他模型的“终结者”，但它清楚地表明了市场的走向：能力正在迅速变得更便宜、更高效。对企业主来说，信息很实际：真正的价值不在于拥有最强的模型，而在于构建一个灵活的系统，为每项任务选择最合适的模型，在不牺牲关键要素的前提下降低你的账单。

来源：xAI 官方发布的 Grok 4.5 公告（x.ai）、Axios 的一篇报道以及 Artificial Analysis 的指标。数据和价格以这些来源在 2026 年 7 月 8 日公布的为准。