Grok 4.5 发布说明：高级编程与智能体能力

Grok 4.5 为工程和智能体任务提供高性能推理

SpaceXAI 发布了 Grok 4.5，这是一款专门为在编程、智能体工作流和知识工作方面表现卓越而设计的模型。该模型旨在实现现实世界的工程卓越性，将智能推理与高效率相结合，在特定的技术基准测试中超越了同类模型。

Grok 4.5 在多个软件工程基准测试中表现出强劲的性能，特别是在解决率和效率方面。

SWE Marathon: Grok 4.5 以 29.0% 的解决率 (pass@1) 领先，超过了 Opus 4.8 (26.0%) 和 Fable (24.0%)。
Terminal Bench 2.1: 该模型获得了 83.3% 的分数，紧随 Fable (84.3%) 和 GPT 5.5 (83.4%) 之后。
SWE Bench Pro: Grok 4.5 实现了 64.7% 的解决率，优于 GPT 5.5 (58.6%) 和 Opus 4.7 (64.3%)。
DeepSWE 1.0: 其分数为 62.0%，落后于 Fable (66.1%) 和 GPT 5.5 (64.31%)。
DeepSWE 1.1: 其分数为 53%，紧随 Fable (70%) 和 GPT 5.5 (67%) 之后。

Grok 4.5 使用了数万块 NVIDIA GB300 GPU，通过结合大规模稳定性技术和严格的数据策展进行训练。

数据策略: 训练过程强调去重、质量评分和领域聚焦的选择，以确保在编程、科学、工程和数学领域拥有高信号、高覆盖的数据混合。
强化学习 (RL): SpaceXAI 扩展了 RL，重点关注每个 token 的智能，涵盖了以多步软件工程为中心、数十万个任务。这是通过自动化和基于模型的评分实现的。
异步训练: 训练栈支持高度异步的 rollout，允许智能体过程在 GPU 集群上持续学习的同时运行数小时。

Grok 4.5 针对低延迟和成本效益进行了优化，提供每秒 80 个 token (TPS) 的速度。

Token 效率: 在 SWE Bench Pro 任务中，Grok 4.5 解决任务平均使用 15,954 个输出 token，这比 Opus 4.8 (max) 的 67,020 个 token 少了大约 4.2 倍。
定价: 该模型的定价为每百万输入 token 2 美元，每百万输出 token 6 美元。

除了纯粹的编程，Grok 4.5 还集成到了生产力套件和开发环境中：

Grok Build: 现在已成为默认模型，能够通过网络研究、多工作表公式和内部笔记来创建复杂的 Excel 模型。
Office 集成: 该模型可以使用原生的 PowerPoint 形状来构建图表，并在 Word 中编写散文。
可用性: Grok 4.5 可通过 SpaceXAI 控制台、Cursor (在所有方案中) 以及 Grok Build 使用。目前在欧盟 (EU) 暂不可用，预计将于 7 月中旬提供。

Grok 4.5 精通 Rust 和 C/C++ 等语言，并能够从单个提示词构建端到端的完整功能应用，包括使用 Three.js 进行复杂的 3D 模拟。