Grok 4.5没有把发布会开成一场“全能模型”表演。SpaceXAI给它选的入口很窄：写代码、跑智能体任务、处理知识工作。放在GPT-5.6、Claude Fable 5和Opus 4.8同一周的竞争里，这个选择反而让它更容易被企业团队算账。
模型能力还要继续比，账单已经先摆上桌。Grok 4.5的API标价是每百万输入tokens 2美元、每百万输出tokens 6美元；官方称服务速度达到80 TPS，同类任务的输出tokens少于部分高端模型。对编程Agent来说，这类差异会直接落到一次修bug、一次迁移、一次批量代码审查的总成本上。
“Today, we’re launching Grok 4.5, SpaceXAI’s smartest model built to excel at coding, agentic tasks, and knowledge work.”
SpaceXAI在公告里把它称作公司最聪明的模型，并明确压到编程、智能体任务和知识工作三类场景。
低价先打进工具链
Grok 4.5最现实的看点不在聊天窗口，在开发者工具和企业办公插件里。
官方公告显示，Grok 4.5已经可用于Grok Build、Cursor所有计划和SpaceXAI控制台。API文档同时列出Responses API、Chat Completions、函数调用、网页搜索、X搜索和代码执行等工具能力，推理档位可设为低、中、高，默认高档。
这组信息说明，SpaceXAI没有只盯着消费者问答。它希望Grok 4.5进入“模型替换成本低、调用频率高、单次任务很吃tokens”的工作流：IDE里修代码，终端里跑任务，Excel里建模型，PowerPoint里画复杂图，Word里写结构化文本。
2美元/6美元的定价，是这次发布里最容易被采购团队带走的数字。 它还没落到最低价区间，却把Grok 4.5放进了近前沿模型的价格战。企业不一定每天追第一名榜单，但会关心一万次代码任务下来，哪套模型既能跑通，又不会把预算烧穿。
跑分没有登顶，成本曲线很锋利
官方给出的工程类指标很密：DeepSWE 1.0上，Grok 4.5为62.0%，低于Fable max的66.1%和GPT 5.5 xhigh的64.31%；SWE Marathon通过率为29.0%，高于Opus 4.8 max的26.0%和Fable max的24.0%；Terminal Bench 2.1为83.3%，贴近Fable max的84.3%和GPT 5.5 xhigh的83.4%。
在SWE Bench Pro上，Grok 4.5的解决率为64.7%，低于Fable max的80.4%和Opus 4.8 max的69.2%，但高于GPT 5.5 xhigh的58.6%。这组数放在一起看，Grok 4.5并没有把所有榜单扫平，它是在若干工程任务上追到第一梯队，并用价格和tokens效率补足最后一段差距。
Artificial Analysis的独立评测给了另一层参照：Grok 4.5在其Intelligence Index拿到54分，排在Fable 5、GPT-5.5和Opus 4.8之后；在Grok Build环境中的Coding Agent Index为76分，与GPT-5.5在Codex中的表现相近，低于Fable 5在Claude Code中的表现。
更能解释企业吸引力的是任务成本。Artificial Analysis估算，Grok 4.5在Intelligence Index上的单任务成本为0.31美元，在Coding Agent Index中的单任务成本约2.49美元；同一口径下，Fable 5在Claude Code约11.80美元，GPT-5.5在Codex约5.07美元。
国内团队看这条线，重点不该只放在总榜排名。很多软件公司已经有测试集、代码规范和灰度发布流程，模型进入生产前会被一层层拦住。此时模型的可用性不再由单次答题决定，更多由“多少调用能换来一个可合并补丁”决定。Grok 4.5把单任务成本压下来后，企业可以更频繁地让Agent试错，再用现有工程流程筛掉坏结果。
大模型开始按工种分层
Grok 4.5这次发布把一件事摊得很清楚：大模型竞争正在从“谁最聪明”转向“谁适合哪类工作”。
对普通聊天产品来说，模型差异常被包装成语气、性格和综合能力。对编程Agent来说，判断更硬：任务能否复现，补丁能否通过测试，终端命令是否稳，长任务中途会不会飘，输出tokens是否过量。Grok 4.5把自己放进Cursor和Grok Build，就是在争这类高频、可计量的工作。
它也留下了限制条件。官方文档显示，Grok 4.5暂未在欧盟API控制台开放；Artificial Analysis提到其上下文窗口为50万tokens，低于Grok 4.3的100万tokens；Omniscience相关评测里，准确率从35%升到52%，幻觉率也从25%升到54%。对需要严肃事实核验的知识工作，这个信号不能被价格掩盖。
所以Grok 4.5更像一把新的工程刀具：锋利、便宜、可接入，但仍要装在有测试、有审查、有回滚的流程里。 如果团队只是让它自由写长文档或回答事实问题，低价未必能抵掉复核成本；如果任务被拆成代码修复、表格建模、终端执行和可验证交付，它的价格曲线才会露出价值。
后续可观察指标很具体：Cursor用户是否真的把它作为默认编程模型，Grok Build能否跑出稳定案例，企业API调用量是否从试用转向常规流水线。模型周榜会继续变化，成本账会留在每一次自动化任务里。
参考来源：SpaceXAI 官方公告、xAI API 文档、Artificial Analysis 独立评测、量子位、CocoLoop；官方公告核验 DeepSWE、Terminal Bench、SWE Bench Pro 与训练/速度口径，API 文档核验 $2/$6 每百万 tokens 定价、推理档位和 EU 可用性，Artificial Analysis 核验 50 万 tokens 上下文、任务成本与幻觉率指标。