7月8日，马斯克终于把Grok4.5交出来了。

xAI：Grok4.5是SpaceXAI迄今最强模型，面向编码、Agent任务和知识工作。

xAI官方发布Grok4.5，定位直接指向编码、Agent任务和知识工作

Cursor同步宣布，Grok4.5已经在桌面端、Web、iOS、CLI和SDK里上线。

也就是说，开发者打开IDE，就能直接使用这个新模型。

跑分结果也被贴出来。

SWE-BenchPro拿到64.7%，虽然还没压过Opus4.8和Fable5，但已经稳稳坐进第一梯队。

最有意思的是价格。

CursorBench榜中，Grok4.5 High拿到66.7%，仅排在Fable5后面。

但单任务成本只有1.51美元，仅仅是Fable5的十分之一。

这就让事情变得不一样了。

Grok4.5不一定是“最强模型”，但它可能是目前最值得开发者尝试的执行型模型之一：够强、够快，成本还没那么吓人。

问题来了：它到底能不能打？开发者又该拿它做什么？

恐怖成绩单：不是全场第一，但已经进了第一梯队

马斯克亲自背书。

他在X上写，内部评估认为Grok4.5大致可以比上Opus4.7，但速度更快、成本更低。

马斯克称Grok4.5大致可比Opus4.7，但速度更快、成本更低

Cursor：Gork4.5已经稳稳坐进第一梯队。

Cursor官方公布的Grok4.5多模型对比表

炸裂的价格：Fable5级别表现，成本仅十分之一

BridgeMind把CursorBench的新结果拎出来。

· Fable5 Max排第1，分数70.5%

· Fable5 Extra High排第2，分数68.4%。

· Grok4.5 High排第3，分数66.7%。

可Gork4.5 HIgh单任务成本只有Fable5的十分之一。

这说明，Gork4.5提供了接近高端模型的得分，但消耗小了很多。

对开发者来说，这会改变模型选择，不一定每次都开最贵的那个，先让便宜但够强的模型跑计划、查上下文、补测试，必要时再把难题交给旗舰模型。

BridgeMind整理的CursorBench分数和单任务成本对比

社区用户把Grok4.5、Fable5、Opus4.8放进同一张CursorBench表里比较

grok-4.5输入2美元/百万Token，输出6美元/百万Token；

reasoning_effort支持low、medium、high，默认high。

它还支持ResponsesAPI、ChatCompletions、函数调用、Web搜索、X搜索和代码执行。

这里有个容易被忽略的细节：文档建议为会话设置prompt_cache_key，让请求尽量打到同一台服务器，避免冷缓存时反复按完整输入付费。

长Agent循环还建议配合context compaction。写代码Agent时，这两个参数比“提示词再优雅一点”更能控制账单。

xAI开发者文档列出grok-4.5的价格、API和工具能力

为什么是Cursor：Grok4.5吃的是开发工作流

Cursor在博客说，Grok4.5是双方联合训练的混合专家模型，训练里用了数万亿Token的Cursor数据。

这些数据不是单纯的代码文件，而是用户、代码库、软件工具和Agent之间的交互。

传统代码模型学到的是“代码长什么样”，而Agent模型更需要知道“开发者怎么把任务交出去、工具怎么被调用、失败后怎么恢复、结果怎么确认”。

Grok4.5如果真能在长任务里少绕路，原因大概率是因为这些工作流数据。

Cursor博客解释Grok4.5的联合训练、Cursor数据和强化学习环境

Cursor还提到，他们用分布式Agent系统大规模构建训练环境。

工程师定义问题和验证方式，Agent负责构建、测试和完善环境。

不过Cursor也没有把话说满：Grok4.5在CursorBench上占优，是因为Cursor代码库的一个较早快照被意外纳入训练数据，具体影响尚不明确，后续不会再用这批数据。

Cursor在博客脚注中说明CursorBench旧代码快照被纳入训练数据的问题

开发者怎么试：别问算法题，拿真实仓库去测试

如果只是拿Grok4.5问一道LeetCode题，基本测不出它的价值。

它被推出来的场景是长任务、工具调用、多步修复和知识工作。更好的测试方式，是让它进你的真实仓库，但是要先关好门。

第一类任务，适合拿来做代码迁移。

比如把旧API替换成新接口，把一组依赖升级到新版本，把重复的工具函数收拢到同一个模块。

第二类任务，适合做Bug复现和补测试。

给它Issue、报错日志、相关目录，让它先写复现步骤，再补最小测试，最后再改代码。这里Grok4.5的价格优势会更明显。

第三类任务，可以试数据脚本和内部工具。

比如分析一批日志、写一个迁移脚本、整理SQL结果、生成CLI小工具。xAI文档里明确写了代码执行。

但别把生产权限一股脑交出去。密钥、数据库、CI发布、云资源开关，先从只读和沙箱开始。手机端、Web端、IDE端都能调模型，不代表每个入口都适合点“同意执行”。

一个可操作的用法：让Grok4.5先读README、测试命令和相关目录，输出改动计划；你确认后再让它改一个小范围；改完必须跑测试、贴失败日志和diff摘要。它适合当长任务执行者，不适合替你跳过工程审查。

社区有人欢喜有人忧：兴奋点在成本，分歧在真实效果

最先引起讨论浪潮的，是成本：接近高端模型的分数，低很多的单任务成本。

有网友问：新的Grok正在改变价格预期，这会让你开始用它构建东西吗？这类说法能解释它为什么传播得快。

更多开发者在Cursor论坛讨论。

三个问题：有没有拿它做非编码任务？长时间多步骤任务表现怎样？和Composer以及其他前沿模型在日常使用里怎么比？

这个提问本身就说明，Grok4.5的卖点不只在代码补全，而在更长的工作流。

Cursor论坛收集Grok4.5使用反馈，重点放在长任务、非编码任务和日常模型对比

HN上也有人把注意力放在经济性上，认为它在工程任务里看起来很省钱。

但开发者不能只看第一波兴奋。Grok4.5到底能不能留在日常工具链里，还要看它在真实仓库里连续跑几小时后，是否少犯低级错，是否能稳定复现问题，是否能把测试和日志解释清楚。

HN讨论里也有人把Grok4.5的经济性作为主要看点

写在最后

Grok4.5把“强模型”和“开发工具入口”绑得更紧了。

从这个角度看，Grok4.5适合先当一个便宜、能跑、偏长任务的执行模型来试。复杂架构决策、生产变更和高风险合并，仍然要交给人审。

模型越来越多以后，开发者的工作不会变成“永远选最强模型”。

更实际的变化是：小任务用快模型，长任务用性价比模型，疑难问题再上旗舰模型。Grok4.5这次抢的位置，就是中间这块越来越大的执行层。