Grok 4.5重磅发布：SWE Marathon基准测试夺冠，Token效率提升4.2倍

2026年7月8日，xAI正式发布了其最新一代大模型Grok 4.5，这款模型在软件工程基准测试中表现出色，特别是在SWE Marathon测试中取得了29.0%的解决率，超越了Claude Opus 4.8的26.0%，成为该基准测试的领先者。

核心性能突破

Grok 4.5在多个权威基准测试中展现了强大的编程和推理能力：

• SWE Marathon：29.0%解决率，排名第一
• Terminal Bench 2.1：83.3%得分，与GPT-5.5的83.4%几乎持平
• SWE-Bench Pro：64.7%解决率，排名第三（仅次于Fable 5的80.4%和Opus 4.8的69.2%）
• DeepSWE 1.0：62.0%得分，超过Opus 4.8的55.75%

Token效率革命性提升

最引人注目的是Grok 4.5在Token效率方面的突破性表现。根据xAI官方数据，在SWE-Bench Pro测试中，Grok 4.5平均每个任务仅使用15,954个输出token，而Claude Opus 4.8（max模式）需要67,020个token。这意味着Grok 4.5的Token效率比Opus 4.8高出4.2倍，大幅降低了使用成本。

定价策略与可用性

Grok 4.5采用了极具竞争力的定价策略：

• 输入token：$2/百万
• 输出token：$6/百万

这个价格点被xAI定位为"Opus级别性能，但价格远低于Opus"的策略。模型已通过多个平台提供访问，包括xAI API、Grok应用、Cursor集成（支持桌面、网页、iOS、CLI和SDK），以及Microsoft Office插件等。

技术架构特点

Grok 4.5的训练规模令人印象深刻，使用了数万张NVIDIA GB300 GPU进行训练。模型专门针对软件工程任务进行了强化学习优化，支持深度智能体操作和代码执行能力。值得注意的是，Grok 4.5的上下文窗口从Grok 4.3的100万token减少到了50万token，这一变化可能是为了在1.5万亿参数的V9 MoE架构下平衡计算和内存资源。

市场竞争格局

Grok 4.5的发布标志着AI编程助手市场的竞争进一步加剧。与Claude Opus 4.8、GPT-5.5和Fable 5等顶级模型的对比显示，Grok 4.5在不同基准测试中各有优势：在长时任务（SWE Marathon）表现突出，而在精确度要求高的任务（SWE-Bench Pro）上仍有提升空间。

业界分析师认为，Grok 4.5的Token效率优势可能成为其在企业级应用中的关键竞争力，特别是在需要大量代码生成和调试的场景中。随着模型通过更多平台集成，开发者将能够更便捷地体验这一新一代AI编程助手。

未来展望

xAI已确认Grok将在未来支持100万+ token的上下文窗口，这将使模型能够处理整个代码库、长文档和复杂多步骤任务。此外，欧盟地区的可用性预计将在7月中旬实现。

Grok 4.5的发布不仅展示了xAI在AI编程领域的技术实力，也为整个行业树立了新的效率标杆。随着更多独立基准测试结果的公布，我们将能够更全面地评估这款模型的实际性能表现。