2026年7月8日正式發布 · Cursor 聯合訓練 · Benchmark 全解析 · API 定價 · TryAI 實測 · 切換決策矩陣
摘要：2026 年 7 月 8 日，馬斯克旗下 SpaceXAI 正式發布上市後首款旗艦 Grok 4.5。馬斯克在 X 上喊話：「Opus 級別的模型，但速度更快、Token 效率更高、成本更低。」本文不帶濾鏡地梳理公開 Benchmark、獨立測評、API 定價、Cursor 聯合訓練背景、TryAI 真實編程對比與切換決策——幫你判斷值不值得從 Claude Opus 切過來。
Grok 4.5 是 SpaceXAI 迄今為止最強的模型，專為以下場景深度優化：
與以往不同，這款模型與 AI 編程工具 Cursor 聯合訓練，注入了數萬億 Token 的真實開發者互動數據（代碼審查、調試流程、Agent 與代碼庫的互動記錄）。SpaceX 在 2026 年 6 月已完成對 Cursor 母公司 Anysphere 的收購，此次聯合訓練是收購後的首批成果之一。
| 參數 | 數值 |
|---|---|
| 架構 | Mixture of Experts（MoE，混合專家） |
| 上下文視窗 | 500,000 Tokens（50 萬） |
| 推理模式 | 低 / 中 / 高（預設：高） |
| 推理速度 | 官方 80 TPS，實測約 90 TPS |
| 訓練硬體 | 數萬塊 NVIDIA GB300 GPU（孟菲斯資料中心） |
| 參數量 | 未公開（MoE 架構） |
Agent 帳單失控：Claude Code / Codex 高頻調用時，單次任務 Token 與美元成本快速累積
「最強」不等於「最省」：SWE-Bench 榜首模型在量產流水線裡可能最貴
Cursor 生態綁定：已深度使用 Cursor 的團隊需要知道原生新旗艦是否值得預設切換
Benchmark 可信度：CursorBench 因訓練數據污染被撤除，需獨立解讀官方數字
這是 Grok 4.5 最核心的賣點。先看 API 單價，再看真實 Agent 任務成本。
| 模型 | 輸入（per 1M tokens） | 輸出（per 1M tokens） |
|---|---|---|
| Grok 4.5 | $2.00 | $6.00 |
| Grok 4.5（緩存命中） | $0.50 | — |
| Grok 4.5 Fast 版 | $4.00 | $18.00 |
| Claude Opus 4.7 | $5.00 | $25.00 |
| Claude Fable 5 | 更高 | 更高 |
| GPT-5.6 Sol（旗艦） | $5.00 | $30.00 |
| GPT-5.6 Luna（經濟檔） | $1.00 | $6.00 |
| 模型 / 平台 | 每任務平均 Token 消耗 | 每任務實際成本 |
|---|---|---|
| Grok 4.5 / Grok Build | ~1.9M tokens | $2.49 |
| GPT-5.5 / Codex | ~6.2M tokens | $5.07 |
| Claude Fable 5 / Claude Code | ~7.2M tokens | $11.80 |
關鍵點：在 SWE-Bench Pro 編程任務上，Grok 4.5 平均每次只消耗 15,954 個輸出 Token，而 Claude Opus 4.8 同任務消耗 67,020 個——差距 4.2 倍。按每天 500 次任務估算，Grok 約 $1,245/天，Claude Code 約 $5,900/天，效率優勢會被指數級放大。
us-east-1、us-west-2（歐盟預計 7 月中旬開放）| 評測項目 | Grok 4.5 | Claude Fable 5 | Claude Opus 4.8 | GPT-5.5 |
|---|---|---|---|---|
| DeepSWE 1.0（官方 harness） | 62.0% | 66.1% | 55.75% | 64.31% |
| DeepSWE 1.1（中立 harness） | 53% | 70% | 59% | 67% |
| Terminal Bench 2.1 | 83.3% | 84.3% | 78.9% | 83.4% |
| SWE-Bench Pro（解決率） | 64.7% | 80.4% | 69.2% | 58.6% |
解讀：DeepSWE 1.0 用各廠商 harness 時 Grok 排第三；換成中立 harness 1.1 後跌至第四，Fable 5 領先 17 個百分點。Terminal Bench 2.1 四款頂級模型差距在 5.4 個百分點以內，近乎平局。SWE-Bench Pro 最嚴苛，Grok 排第三，落後 Fable 5 約 16 個點。
⚠️ 重要說明：CursorBench 在發布時被臨時撤除——Cursor 代碼庫部分快照意外混入 Grok 4.5 訓練數據，存在數據污染風險，是本次發布的明顯瑕疵。
| 評測項目 | Grok 4.5 | Claude Fable 5 | Claude Opus 4.8 |
|---|---|---|---|
| AutomationBench-AA（657 個企業工作流） | 51.4% | 48.6% | 48.5% |
| Snorkel GDPVal+（專業工作場景） | 29% | — | 21% |
AutomationBench-AA 涵蓋 Gmail、Slack、Salesforce、HubSpot 等 40 個模擬企業應用。Grok 4.5 是首個在不違反業務約束的前提下完成超過一半工作流目標的模型。Snorkel 評測中，法律（40% vs 27–28%）、教育（58% vs 35–42%）、醫療（35% vs 23–25%）等領域大幅領先。
Artificial Analysis 綜合智能指數：54 分（第四名），排在 Fable 5（60）、Opus 4.8（56）、GPT-5.5（55）之後，但比上一代 Grok 大幅提升 16 分。
獨立測評機構 TryAI 讓 Grok 4.5、GPT-5.5、Claude Opus 4.8、Claude Fable 5 用相同提示詞從零構建相同互動應用，結果如下：
結論：高頻重複性編程任務上，Grok 4.5 的速度與成本優勢碾壓；需要一次搞定複雜狀態管理的高精度任務上，Claude 系列仍更可靠。
Grok 4.5 已在以下平台上線（歐盟地區預計 7 月中旬開放）：
在 console.x.ai 建立 API Key
選擇區域 us-east-1 或 us-west-2
調用 Responses API，模型 ID 為 grok-4.5
設置 prompt_cache_key（Responses）或 x-grok-conv-id Header（Chat Completions）以命中緩存
長 Agent 循環開啟 Context Compaction，控制 Token 累積
curl -s https://api.x.ai/v1/responses \
-H "Authorization: Bearer $XAI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "grok-4.5",
"input": "幫我找出這段代碼的 bug 並修復：function median(a){a.sort();return a[a.length/2]}"
}'| 場景 | 推薦 | 原因 |
|---|---|---|
| 每天數百～數千次 Agent 任務 | Grok 4.5 | 單次約 $2.49 vs Claude Code $11.80 |
| 終端 / 工具調用密集 | Grok 4.5 | Terminal Bench、AutomationBench 頂級 |
| 已深度用 Cursor | Grok 4.5 | 原生支援、聯合訓練、無縫切換 |
| SWE-Bench Pro 級高精度重構 | Claude Fable 5 | 領先約 16 個百分點 |
| 金融 / 安全關鍵代碼 | Claude Fable 5 + 人工覆核 | 幻覺率敏感；Grok AA-Omniscience 達 54% |
| 混合策略 | Grok 子任務 + Claude 架構決策 | 大團隊已在實踐 |
高頻 Agent 任務，成本節省立竿見影
終端類任務和工具調用（Terminal Bench 2.1、AutomationBench）
已深度整合 Cursor 的團隊
初創公司與預算敏感團隊
混合模型策略：常規子任務路由 Grok，複雜架構留給 Fable 5
Grok 4.5 不是「最強的編程模型」，但它是性價比最高的 Opus 級編程 Agent之一。真正價值在於：把 Token 效率與 API 定價折算成實際任務成本時，在主流 Agent 工作流上能以約七八折甚至更低的價格，完成與 Opus 4.8 相近品質的工作。
對控制 AI 成本的工程團隊，或已在用 Cursor 的開發者，這是值得認真考慮的選項。若場景對準確率要求極高（金融代碼、安全關鍵系統），Claude Fable 5 仍是更保險的選擇。
數據截止日期：2026 年 7 月 10 日。模型能力與定價可能隨時更新，請以官方文件為準。
取決於指標。Opus 4.8 在 SWE-Bench Pro 準確率上領先（69.2% vs 64.7%）；Grok 4.5 在速度、Token 效率與單次任務成本上常領先約 4 倍，在 Agent 工作流完成率上也有獨立 Benchmark 優勢。
Grok Build 與 Cursor 提供限時免費額度。API 正式價為輸入 $2/M、輸出 $6/M tokens；Cursor 訂閱已納入模型池。
所有 Cursor 計劃均可使用。開啟 Cursor → 模型選擇器 → 選擇 Grok 4.5；發布首週使用量加倍。
500,000 tokens（50 萬），足以覆蓋大多數大型代碼庫任務。
Cursor 代碼庫快照意外混入訓練數據，存在污染風險。SpaceXAI 已撤回相關結果，等待獨立重測。
可以。還可透過 Vercel、Cloudflare、Snowflake、Databricks Mosaic 等閘道存取。
Grok 4.5 把「Opus 級」拉進了可承受的 Agent 帳單區間，但 Cursor 聯合訓練也意味著你很可能已經在 Cursor 裡碰到它。若你主力機是 Windows/Linux，卻要在真實 macOS 圖形環境裡驗收 Cursor + Grok 4.5、處理鑰匙圈授權或並行跑 iOS 建置，自購 Mac 成本高、純 SSH 又點不了系統彈窗。租用 VNCMac 遠端 Mac 可按小時開通 VNC 桌面，在隔離節點上切換模型、跑 Agent 循環並對照本文化解的 Benchmark 做團隊驗收，專案結束即停租。查看 Mac Mini M4 套餐 即可開始。