xAI Grok 4.5 发布：低价切入编程 Agent，Cursor 与 Grok Build 同步可用

Grok 4.5 这次没有绕着「聊天更聪明」打转。官方把它直接放进 coding、agentic tasks 和 knowledge work 三个场景里，价格也压到每 100 万输入 token 2 美元、输出 token 6 美元。1

对开发者来说，这是一条很明确的信号：xAI 想让 Grok 从问答模型变成能接代码库、终端、办公文档和长任务的工作流模型。Reuters 同日也确认，Grok 4.5 已通过 Grok Build、Cursor 和 SpaceXAI console 开放，EU 可用性预计到 7 月中旬。2

这是一款面向编程 Agent 和知识工作的单模型发布，不是多档家族。官方没有披露参数规模，也没有在可读公告里给出上下文长度；能确认的信息集中在价格、工程类 benchmark、训练基础设施、可用入口和地区限制上。1

如果你只关心是否值得试，先看两点。第一，Grok 4.5 并没有在所有 coding benchmark 上拿第一，但在 SWE Marathon、Terminal Bench 2.1 和 SWE Bench Pro 上给出了足以进入一线模型比较的分数。第二，它把 80 TPS、较低输出 token 和 2/6 美元的 API 价格放在一起讲，明显是在打「单位成本完成更多工程任务」这张牌。1

官方把 Grok 4.5 的评测重点放在真实软件工程任务上。DeepSWE 1.0 中，Grok 4.5 得分 62.0%，低于 Fable max 的 66.1% 和 GPT 5.5 xhigh 的 64.31%，高于 Opus 4.8 max 的 55.75%。DeepSWE 1.1 中，Grok 4.5 为 53%，低于 Fable max、GPT 5.5 xhigh 和 Opus 4.8 max。1

它更有优势的地方在另几项。SWE Marathon resolution rate pass@1 中，Grok 4.5 为 29.0%，高于 Opus 4.8 max 的 26.0% 和 Fable max 的 24.0%。Terminal Bench 2.1 中，Grok 4.5 为 83.3%，几乎贴着 GPT 5.5 xhigh 的 83.4%，也高于 Opus 4.8 max 的 78.9%。SWE Bench Pro resolve rate 中，Grok 4.5 为 64.7%，低于 Fable max 和 Opus 4.8 max，但高于 Opus 4.7 max、GLM 5.2 和 GPT 5.5 xhigh。1

这组数据的意思比较直白：Grok 4.5 不是「榜单全胜」型发布，而是把自己放到工程 Agent 的第一梯队里，再用速度和价格补上说服力。

官方称 Grok 4.5 的训练数据覆盖 coding、science、engineering 和 math，并把强化学习重点放在多步软件工程任务上。训练过程还支持长时间 agentic rollout，任务可以跑很多小时，学习过程继续在大规模 GPU 集群上推进。1

这说明它的目标不是只回答一道算法题，而是接住「查代码、改代码、跑工具、看结果、再修一轮」这种更接近真实开发的任务。

官方称 Grok 4.5 的服务速度为 80 TPS，并在 SWE Bench Pro 任务上平均输出 15,954 个 token，约为 Opus 4.8 max 67,020 个输出 token 的四分之一。1

这对 Agent 成本很关键。很多工程任务贵，不是最后答案长，而是中间尝试、日志和修复轮次多。输出 token 少、速度快，才有机会把一次任务从「能跑」变成「跑得起」。

官方公告写明，Grok 4.5 现在是 Grok Build 的默认模型，并且可在 Cursor 中使用。公告还展示了 Excel、PowerPoint 和 Word 场景，强调它能处理多表公式、复杂图示和文档写作。1

这条线很像是把 coding agent 和办公室自动化合到一个叙事里：同一个模型既要能改代码，也要能做表格、演示稿和文档。对企业用户来说，这比单纯聊天能力更容易落到预算表里。

第一，参数规模仍是空白。官方公告没有披露参数量，Reuters 也没有给出参数规模；这期只能写「官方未披露」。2

第二，安全信息不够完整。官方公告主要讲训练、工程能力、价格和可用入口，本轮没有读到独立系统卡或安全评估页面。对要把 Grok 4.5 接进生产 Agent 的团队，权限边界、工具调用审计和数据隔离还需要等更完整的官方文档。

第三，EU 暂不可用会影响跨地区团队测试。官方说 EU 可用性预计在 7 月中旬，这意味着本周内如果团队成员或客户在 EU，API 和产品侧试用可能会被卡住。1

如果你已经在用 Cursor 或自建 coding agent，可以先拿 Grok 4.5 跑三类任务：旧代码库 bug 修复、跨文件重构、带外部资料检索的实现任务。不要只看一次问答结果，重点看完成率、总 token、耗时和人工返工次数。

如果你负责模型选型，先把 Grok 4.5 当作「低价一线工程模型」测试，而不是默认替代旗舰通用模型。它的价格很有攻击性，但目前公开材料还缺上下文长度的可读原文、独立安全文档和更多第三方评测。真正值得盯的是后续两件事：开发者文档是否补齐，以及独立评测能否复现官方在工程任务上的效率优势。