Grok 4.5 發佈說明：進階編碼與代理能力

Grok 4.5 為工程與代理任務提供高效能推理

SpaceXAI 已發佈 Grok 4.5，這是一款專為在編碼、代理工作流（agentic workflows）和知識工作方面表現卓越而設計的模型。該模型旨在實現現實世界的工程卓越性，將智慧推理與高效率相結合，在特定的技術基準測試中超越了同類模型。

Grok 4.5 在多項軟體工程基準測試中展現了強大的性能，特別是在解決率和效率方面。

SWE Marathon: Grok 4.5 以 29.0% 的解決率（pass@1）領先，超越了 Opus 4.8 (26.0%) 和 Fable (24.0%)。
Terminal Bench 2.1: 該模型獲得 83.3% 的分數，緊隨 Fable (84.3%) 和 GPT 5.5 (83.4%) 之後。
SWE Bench Pro: Grok 4.5 達到了 64.7% 的解決率，優於 GPT 5.5 (58.6%) 和 Opus 4.7 (64.3%)。
DeepSWE 1.0: 獲得 62.0% 的分數，落後於 Fable (66.1%) 和 GPT 5.5 (64.31%)。
DeepSWE 1.1: 獲得 53% 的分數，緊隨 Fable (70%) 和 GPT 5.5 (67%) 之後。

Grok 4.5 使用數萬顆 NVIDIA GB300 GPU，結合大規模穩定性技術與嚴格的數據策劃進行訓練。

數據策略: 訓練過程強調去重、品質評分和領域專注的選擇，以確保在編碼、科學、工程和數學領域擁有高信號、高覆蓋率的數據混合物。
強化學習 (RL): SpaceXAI 擴展了 RL，專注於逐 token 的智慧，涵蓋了數十萬個以多步驟軟體工程為核心的任務。這是透過自動化和基於模型的評分來實現的。
非同步訓練: 訓練堆疊支援高度非同步的展開（rollouts），允許代理程序在 GPU 集群持續學習的同時運行數小時。

Grok 4.5 針對低延遲和成本效益進行了優化，提供每秒 80 個 token (TPS) 的速度。

Token 效率: 在 SWE Bench Pro 任務中，Grok 4.5 解決任務平均使用 15,954 個輸出 token，這比 Opus 4.8 (max) 的 67,020 個 token 約少了 4.2 倍。
定價: 該模型定價為每百萬個輸入 token $2，以及每百萬個輸出 token $6。

除了純粹的編碼能力外，Grok 4.5 還整合到了生產力套件和開發環境中：

Grok Build: 現在已成為預設模型，能夠透過網路研究、多工作表公式和內部筆記來建立複雜的 Excel 模型。
Office 整合: 該模型可以使用原生的 PowerPoint 形狀來繪製圖表，並在 Word 中撰寫散文。
可用性: Grok 4.5 可透過 SpaceXAI 控制台、Cursor (在所有方案中) 以及 Grok Build 使用。目前在歐盟 (EU) 尚未提供，預計將於 7 月中旬提供。

Grok 4.5 精通 Rust 和 C/C++ 等語言，並能夠從單一提示詞（prompt）建立端到端的完整功能應用程式，包括使用 Three.js 進行複雜的 3D 模擬。