如果你关注 AI 编码工具，昨天（7 月 8 日）SpaceXAI 联合 Cursor 扔了一枚重磅炸弹——Grok 4.5 正式发布。这不仅是 SpaceXAI（原 xAI）上市后的第一个大模型，更是首个与 IDE 深度联合训练的编码模型。
Musk 在 X 上发文说它是「Opus-class model， but faster， more token-efficient， lower cost」。这话听着像营销，但翻开数据一看……这次还真不只是嘴炮。
不是普通的大模型，是「Cursor 喂大的孩子」
Grok 4.5 和其他模型最大的区别不在架构——它是标准的 MoE（Mixture-of-Experts），而是在训练数据上：
Grok 4.5 的训练数据里包含数万亿（trillions）个 token 的 Cursor 交互数据。
这不是简单的拿 GitHub 代码库去训练，而是把开发者用 Cursor 编码时的完整交互过程——从哪里跳转、怎么改代码、如何调试、agent 怎么理解代码库——统统喂给了模型。这意味着它学到的不是代码的「静态语法」，而是开发者与代码库交互的「动态行为」。
Cursor 团队的 blog 里有一句话特别关键：
“This dataset lets the model learn both from existing software as well as developer-agent interactions， capturing how developers work and how agents interact with their environments.”
直白点说：以前的编码模型是「看了十万本菜谱的厨师」，Grok 4.5 是「在厨房里当了一年的学徒」。
训练细节也很猛——使用了数万块 NVIDIA GB300 GPU 集群，做了「十万级」的强化学习任务，而且这些任务不是人工标注的，而是用 agent 系统自动生成的。Cursor 团队说其中一些任务「如果让人工团队来做，需要几百个工程师干好几个月」。
性能数据：不是最强，但性价比炸裂
先看 benchmark：
| 基准测试 | Grok 4.5 | Opus 4.8 | Fable 5 | GPT-5.5 |
|---|---|---|---|---|
| SWE-Bench Pro | 64.7% | 69.2% | 80.4% | 58.6% |
| Terminal-Bench 2.1 | 83.3% | 78.9% | 84.3% | 83.4% |
| DeepSWE 1.0 (pass@1) | 62.0% | 55.75% | 66.1% | 64.31% |
| Artificial Analysis 智能指数 | #4/168 | — | — | — |
数据很诚实：Grok 4.5 不是最强的。Terminal-Bench 上它和 GPT-5.5 几乎打平（83.3% vs 83.4%），但 SWE-Bench Pro 被 Fable 5 甩开一大截（64.7% vs 80.4%）。
那 Musk 说的「Opus-class」是吹牛吗？不是，因为要看成本和效率维度。
看价格就明白了：
| 模型 | 输入 ($/M tokens) | 输出 ($/M tokens) | 每任务输出 token 数（估） |
|---|---|---|---|
| Grok 4.5 | $2 | $6 | ~14,000 |
| Opus 4.8 | $5 | $25 | ~67,020 |
| GPT-5.5 (xhigh) | $5 | $25 | ~60,000 |
| Fable 5 (max) | $15 | $75 | ~40,000 |
重点不是单价，是每任务实际成本。
根据 Artificial Analysis 的估算，Grok 4.5 完成一个编码任务平均只需要 ~14,000 个 output token，而 Opus 4.8 需要 ~67,020 个。这意味着：
- 单价便宜 4 倍（$6 vs $25）
- 每个任务少用 4.2 倍的 token
- 实际成本差距：16-20 倍
Grok 4.5 完成一个任务的 token 成本约 $0.084，Opus 4.8 约 $1.68。一年跑一万个 agent 任务的团队，差价就是一万多美金。这不是模型好不好用的问题，是能不能上规模的问题。
为什么这比 GPT-5.6 的分层定价更值得关注？
有意思的是，这周刚好也是 OpenAI GPT-5.6 正式 GA 的日子——Sol / Terra / Luna 三档分层定价。Sol 最贵（$5/$30），Luna 最便宜（$1/$6）。
OpenAI 的应对策略是分三档卖——你想省钱就用 Luna，你想要能力就用 Sol。
SpaceXAI 的应对策略完全不同：一个模型，两档速度，一个价格信号。 不搞复杂的分层，直接说「我就比 Opus 便宜 4 倍，而且每任务只消耗 1/5 的 token，你自己算账」。
这对开发者来说是一个更简单的决策模型。不需要纠结该用 Sol 还是 Terra，只需要问：「Grok 4.5 的能力够不够完成我这个任务？」如果够，成本就是最优解。
影响：AI 编码工具的定价范式正在改变
Grok 4.5 的发布有三个值得关注的影响：
第一，Cursor 的护城河在加深。
当其他 IDE 插件还在用通用模型的 API 时，Cursor 已经有了联合训练的专属模型。其他编辑器用 GPT-5.6 或 Claude 写代码时，Cursor 的模型是「用自己用户的交互数据训练出来的」。这在编码体验上的差距会越来越大。
第二，token 效率将成为新战场。
过去大家比的是「谁的 benchmark 高」，Grok 4.5 告诉我们比的是「谁用更少的 token 完成同样的任务」。输出 token 效率 4.2x 不是个小数字——这意味着在同样的 API 预算下，你可以跑 4 倍的 agent 任务。下一个模型发布如果还只吹 benchmark 不提 token 效率，那它可能已经落后了。
第三，xAI 转型 SpaceXAI 后的第一个产品打出了差异化。
Grok 4.5 不是「又一个大模型」，它锚定了一个具体的应用场景——编码 agent。在 OpenAI 和 Anthropic 争「谁是最强通用模型」的时候，SpaceXAI + Cursor 选择了「谁是最好的编码助手」这个切口。方向对了。
几点冷静的提醒
当然，Grok 4.5 也不是完美无缺：
- SWE-Bench Pro 和 Fable 5 差距明显。对于复杂的企业级代码库重构，Claude 生态仍然是目前的最优解
- 外部评测机构 METR 指出 Grok 4.5 有「scheming」行为风险，在高风险任务上需要额外谨慎
- CursorBench 被排除在官方 benchmark 之外（因为 Cursor 的 repo 数据不小心混入了训练集），所以它对自家 IDE 的真实表现缺乏一个公平的独立评测
- 目前 EU 地区还不可用，受限法规
怎么用？
如果你已经是 Cursor 用户，Grok 4.5 在桌面端、Web、iOS、CLI 和 SDK 上全部可用。个人版和团队版都包含大量免费额度，首周还翻倍。如果不想用 Cursor，也可以通过 SpaceXAI 的 console 或 API 直接调用。
定价：base variant $2/$6，fast variant $4/$18。和 Composer 2.5 是两条不同的产品线，后者会继续保留。
写在最后
这一周的 AI 模型发布密度高到离谱——GPT-5.6 GA、Grok 4.5 发布、Mistral 开源 Leanstral 1.5、Meta 推出首个付费 agentic 模型……但 Grok 4.5 让我最兴奋的点不是它的能力，而是它代表的竞争维度变化。
当模型能力的差距在缩小，成本效率就成了新的护城河。Grok 4.5 用一个简单的数学题告诉整个行业：你用 Opus 跑一个 agent 任务的预算，我可以跑 16 个。
对于每天和 API 账单打交道的工程团队来说，这才是真正的「降维打击」。