Grok 4.5 深度評測：SpaceXAI 最強程式模型，「Opus 級智能 + 四分之一價格」是行銷話術還是硬實力？
誰遇到什麼問題？已在 Cursor 使用 Claude / GPT 的 Mac 開發者，面對 7 月 8 日 Grok 4.5 上線，不確定「便宜 4 倍」是否屬實、是否值得換主力模型。本文提供什麼？不帶濾鏡的 benchmark、定價、TryAI 實測與切換決策清單。結構包含：規格表、API 單價對照、程式與 Agent benchmark、平台接入五步、FAQ×6。
📋 本文目錄
Cursor / Claude / Copilot / Gemini 橫向比較見 2026 AI 程式設計助手橫向比較；Cursor Agent 工作流隔離可參考 Agent Skill 完全指南。
2026 年 7 月 8 日，馬斯克旗下 SpaceXAI 正式推出 Grok 4.5——上市後的首款旗艦模型。馬斯克在 X 上表示：「這是一款 Opus 等級的模型，但速度更快、Token 效率更高、成本更低。」我們把公開 benchmark、第三方評測與定價細節全部梳理一遍，給你一套可落地的判斷框架。
01 · 三大選型痛點：為什麼「便宜 4 倍」不能只看標價
- 標價容易誤導：API 輸入 $2/M、輸出 $6/M 看似只有 Claude Opus 4.7（$5/$25）的一半左右，但 Agent 任務的真實帳單取決於每次任務消耗多少 Token——若輸出 Token 差 4.2 倍，總成本差距會被指數級放大或縮小。
- Benchmark 口徑分裂：DeepSWE 1.0 用各廠商自己的 harness 跑，Grok 4.5 排第三；換成中立 harness（1.1）後跌到第四。沒讀註腳就下結論，團隊選型會議很容易翻車。
- 發布瑕疵與幻覺率：CursorBench 因訓練資料污染被撤除；獨立評測顯示 AA-Omniscience 幻覺率高達 54%。高頻 Agent 場景必須加輸出驗證，不能「換模型就上線」。
02 · Grok 4.5 是什麼？
Grok 4.5 是 SpaceXAI 迄今最強的模型，針對以下情境深度優化：
- 程式設計與程式 Agent：修 bug、大型程式庫重構、端到端應用開發
- 自主工作流（Agentic Tasks）：跨工具、跨應用程式的多步驟自動化
- 知識密集型工作：法律、醫療、教育、資料分析等專業場景
與過往不同，這款模型與 AI 程式工具 Cursor 聯合訓練，注入了數兆 Token 的真實開發者互動資料（程式碼審查、除錯流程、Agent 與程式庫的互動紀錄）。SpaceX 在 2026 年 6 月已完成對 Cursor 母公司 Anysphere 的收購，此次聯合訓練是收購後的首批成果之一。
2.1 核心規格一覽
| 參數 | 數值 |
|---|---|
| 架構 | Mixture of Experts（MoE，混合專家） |
| 上下文視窗 | 500,000 Tokens（50 萬） |
| 推理模式 | 低 / 中 / 高（預設：高） |
| 推理速度 | 官方 80 TPS，實測約 90 TPS |
| 訓練硬體 | 數萬顆 NVIDIA GB300 GPU（孟菲斯資料中心） |
| 參數量 | 未公開（MoE 架構） |
03 · 定價：真的比競品便宜多少？
這是 Grok 4.5 最核心的賣點。先看 API 單價，再看真實任務成本。
3.1 API 單價對照
| 模型 | 輸入（per 1M tokens） | 輸出（per 1M tokens） |
|---|---|---|
| Grok 4.5 | $2.00 | $6.00 |
| Grok 4.5（快取命中） | $0.50 | — |
| Grok 4.5 Fast 版 | $4.00 | $18.00 |
| Claude Opus 4.7 | $5.00 | $25.00 |
| Claude Fable 5 | 更高 | 更高 |
| GPT-5.6 Sol（旗艦） | $5.00 | $30.00 |
| GPT-5.6 Luna（經濟檔） | $1.00 | $6.00 |
3.2 真實任務的每次成本對照
| 模型 / 平台 | 每任務平均 Token 消耗 | 每任務實際成本 |
|---|---|---|
| Grok 4.5 / Grok Build | ~1.9M tokens | $2.49 |
| GPT-5.5 / Codex | ~6.2M tokens | $5.07 |
| Claude Fable 5 / Claude Code | ~7.2M tokens | $11.80 |
硬核數據點 #1：在 SWE-Bench Pro 程式任務上，Grok 4.5 平均每次只消耗 15,954 個輸出 Token，而 Claude Opus 4.8 同任務消耗 67,020 個——差距 4.2 倍。按 500 次/天計算，Grok 約 $1,245/天，Claude Code 路線約 $5,900/天。
04 · Benchmark 全解析：哪裡強，哪裡弱？
SpaceXAI 官方公布了 4 項程式評測；我們同時彙整第三方獨立測試。
4.1 程式 Benchmark
| 評測項目 | Grok 4.5 | Claude Fable 5 | Claude Opus 4.8 | GPT-5.5 |
|---|---|---|---|---|
| DeepSWE 1.0（官方 harness） | 62.0% | 66.1% | 55.75% | 64.31% |
| DeepSWE 1.1（中立 harness） | 53% | 70% | 59% | 67% |
| Terminal Bench 2.1 | 83.3% | 84.3% | 78.9% | 83.4% |
| SWE-Bench Pro（解決率） | 64.7% | 80.4% | 69.2% | 58.6% |
解讀：DeepSWE 1.1 中立 harness 下 Grok 4.5 為 53%，落後 Fable 5 整整 17 個百分點；Terminal Bench 2.1 四款模型差距在 5.4 個百分點以內，幾乎是平手；SWE-Bench Pro 是最嚴苛測試，Grok 4.5 排第三，落後 Fable 5 約 16 個點。
⚠️ 重要說明：CursorBench 在發布時被臨時撤除——Cursor 自身程式庫的部分快照意外混入 Grok 4.5 訓練資料，存在資料污染風險。這是本次發布的一個明顯瑕疵。
4.2 Agent 任務 Benchmark（Grok 4.5 的高光舞台）
| 評測項目 | Grok 4.5 | Claude Fable 5 | Claude Opus 4.8 |
|---|---|---|---|
| AutomationBench-AA（657 個企業工作流） | 51.4% 🥇 | 48.6% | 48.5% |
| Snorkel GDPVal+（專業工作場景） | 29% 🥇 | — | 21% |
AutomationBench-AA 涵蓋 Gmail、Slack、Salesforce、HubSpot 等 40 個模擬企業應用。Grok 4.5 是首個在不違反業務約束的前提下完成超過一半工作流目標的模型。Snorkel 評測中，法律（40% vs 27–28%）、教育（58% vs 35–42%）、醫療（35% vs 23–25%）等領域大幅領先。
4.3 綜合智能指數
硬核數據點 #2：Artificial Analysis 綜合智能指數 Grok 4.5 為 54 分（第四名），排在 Fable 5（60）、Opus 4.8（56）、GPT-5.5（55）之後——但比上一代 Grok 大幅提升了 16 分。
05 · 真實程式對照：TryAI 同台 PK
獨立評測機構 TryAI 讓 Grok 4.5、GPT-5.5、Claude Opus 4.8、Claude Fable 5 用相同提示詞從零建構相同的互動應用：
- 3D 立方體渲染（最難）：Opus 4.8 和 Fable 5 一次成功 ✅；Grok 4.5 第一次只渲染標題和按鈕，無立方體，第二次重試成功 ❌→✅；GPT-5.5 失敗 ❌
- 速度：Grok 4.5 首 Token <0.5 秒，流速約 110 tokens/秒（約競品 2 倍）
- 成本：Grok 4.5 每次測試執行最便宜，即使 raw Token 更多
硬核數據點 #3：首 Token 延遲 <500ms、~110 t/s 的流速，使高頻 Agent 迴圈的「等待稅」顯著低於 Claude 系列；但複雜狀態管理、一次到位的 UI 任務，Claude 仍更可靠。
06 · 可用平台與 API 接入五步
Grok 4.5 已在以下平台上線（歐盟地區預計 7 月中旬開放）：
- Grok Build：SpaceXAI 自家 Coding Agent 平台，Grok 4.5 為預設模型
- Cursor：所有訂閱方案（桌面端、Web、iOS、CLI、SDK），首週使用量加倍
- SpaceXAI Console API：Chat Completions 與 Responses API
- Office 外掛：Word、PowerPoint、Excel 預設模型
- 第三方閘道：OpenRouter、Vercel、Cloudflare、Snowflake、Databricks Mosaic
API 區域：us-east-1、us-west-2；限速 150 req/s、50M tokens/min。
6.1 五步接入與成本優化
- 在 console.x.ai 建立 API Key，確認帳單區域在 us-east-1 或 us-west-2
- 用 Responses API 發首次請求（見下方 curl 範例），驗證模型 ID 為
grok-4.5 - 設定
prompt_cache_key（Responses API）或x-grok-conv-idHeader（Chat Completions），命中快取後輸入降至 $0.50/M - 長 Agent 迴圈開啟 Context Compaction，減少 Token 累積
- 在 Cursor 模型選擇器切換 Grok 4.5，用同一儲存庫跑 3 個代表性任務（修 bug / 小功能 / 重構）對照品質與帳單
07 · 客觀評估：值得切換嗎？
| ✅ 適合 Grok 4.5 | ⚠️ 需要謹慎 |
|---|---|
| 高頻 Agent：每天數百～數千次程式任務 | SWE-Bench Pro 類高精度程式（Fable 5 領先 ~16pp） |
| 終端機類任務與工具呼叫（Terminal Bench / AutomationBench 頂級） | 幻覺率敏感：AA-Omniscience 54%，需加強驗證 |
| 已深度整合 Cursor 的團隊 | 歐盟使用者：API 尚未開放（預計 7 月中旬） |
| 新創與預算敏感團隊 | CursorBench 可信度待獨立重測 |
| 混合模型：常規子任務 Grok，架構決策留 Fable 5 | 金融 / 安全關鍵程式：Claude Fable 5 更保險 |
08 · 總結
Grok 4.5 不是「最強的程式模型」，但它是性價比最高的 Opus 級程式 Agent之一。真正價值不在 benchmark 第一，而在於：把 Token 效率與 API 定價折算成實際任務成本時，它能在主流 Agent 工作流上以七八折甚至更低的價格完成與 Opus 4.8 相近品質的工作。已在用 Cursor 的開發者，這是自該品類誕生以來最值得認真考慮的選項之一；若場景對準確率要求極高（金融程式、安全關鍵系統），Claude Fable 5 仍是更保險的選擇。
09 · 常見問題 FAQ
Q: Grok 4.5 比 Claude Opus 4.8 更好嗎？
A: 取決於「更好」的定義。Opus 4.8 在 SWE-Bench Pro 勝率更高（69.2% vs 64.7%）；Grok 4.5 在速度、Token 效率、每任務成本上常具 4 倍優勢，在 Agent 工作流完成率上也有獨立 benchmark 領先紀錄。
Q: Grok 4.5 可以免費使用嗎？
A: SpaceXAI 在 Grok Build 與 Cursor 中提供限時免費額度；之後 API 為 $2/M 輸入、$6/M 輸出。Cursor 訂閱已納入模型池。
Q: 如何在 Cursor 中使用 Grok 4.5？
A: 所有 Cursor 方案自動可用。開啟 Cursor → 模型選擇器 → 選 Grok 4.5；發布首週使用量加倍。
Q: 上下文視窗多大？
A: 500,000 tokens（50 萬），足以涵蓋大多數大型程式庫任務。
Q: 為什麼 CursorBench 被撤除？
A: Cursor 程式庫快照意外進入訓練資料，污染該 benchmark；SpaceXAI 已撤回，等待獨立重測。
Q: 能透過 OpenRouter 存取嗎？
A: 可以，亦可透過 Vercel、Cloudflare、Snowflake、Databricks Mosaic 等閘道。
10 · 租用隔離 Mac：在乾淨環境試跑 Grok 4.5 + Cursor
切換主力模型前，最穩妥的路徑不是直接在個人 MacBook 上改預設模型，而是在隔離的 Apple Silicon 節點上完成驗收：複製正式儲存庫子集、設定 xAI API Key、在 Cursor 中切換 Grok 4.5，跑修 bug / Agent 迴圈 / 多檔重構三類任務，對照帳單與 diff 品質。若在主力機上試跑，常見風險包括：API Key 寫入全域 shell 設定、Agent 誤改個人專案、以及與 Claude/GPT 混用時的上下文快取策略無法單獨驗證。
Windows 或 Linux 使用者雖可透過 Cursor Web / CLI 部分體驗 Grok 4.5，但無法完整驗證與 macOS 原生工具鏈、Keychain 與 Xcode 側車專案並存的場景。按天租用的 M 系列 Mac mini 提供用完即毀的隔離環境：試跑通過後銷毀節點，實驗性設定不污染主力機。伺服器頻寬與記憶體規格、SSH 接入見 M 系列 Mac 算力租用定價。
雖然你可以在現有筆電上直接切換 Grok 4.5，但主力機更適合穩定交付；若你追求可重現的 Agent 驗收結論與更低的 Keychain 污染風險，隔離 Mac 試跑通常是更優解，而租用能進一步降低前期硬體投入。
11 · 參考資料
- SpaceXAI 官方發布：x.ai/news/grok-4-5
- Cursor 聯合發布：cursor.com/blog/grok-4-5
- API 文件：docs.x.ai/developers/models/grok-4.5
- TechCrunch：SpaceXAI releases Grok 4.5
- Awesome Agents 獨立評測：awesomeagents.ai
- APIdog Benchmark 解讀：apidog.com
- Snorkel AI 專業場景測試：snorkel.ai
資料截止日期：2026 年 7 月 10 日。模型能力與定價可能隨時更新，請以官方文件為準。