Grok 4.5 dilancarkan: Seni bina, tarikh pelancaran, dan perkara lain yang kami tahu

TLDR Pada 28 Jun 2026, Elon Musk mengumumkan bahawa Grok 4.5 — dibina di atas model asas V9 baharu xAI dengan 1.5 trilion parameter serta data latihan tambahan daripada platform pengaturcaraan AI Cursor — telah memasuki beta peribadi di SpaceX dan Tesla. Penilaian dalaman mendakwa prestasi “hampir, mungkin melebihi” Claude Opus oleh Anthropic, dengan RLHF dan penambahbaikan Grok Build yang berterusan.

Bagi pembangun dan perniagaan yang mengintegrasikan model termaju hari ini, CometAPI menawarkan akses segera dan berkesan kos kepada Grok 4.3 (dan model xAI lain) melalui satu titik akhir serasi OpenAI bersama 500+ model daripada Anthropic, OpenAI, Google dan lain-lain — selalunya dengan penjimatan 20%+ berbanding harga terus, tanpa log prompt untuk aliran kerja berfokus privasi.

Intisari Utama

• Satu petikan yang dikaitkan dengan Elon Musk menyatakan Grok 4.5 berada dalam beta peribadi di SpaceX dan Tesla, diedarkan oleh AshutoshShrivastava.
• TestingCatalog melaporkan Grok 4.5 berasaskan model asas V9 1.5T dengan data Cursor ditambah dalam latihan tambahan.
• Satu-satunya isyarat berlabel bukti ialah tangkapan skrin Mark Kretschmann pada 28 Jun yang menunjukkan nombor versi Grok / Cursor Composer 3 dialihkan daripada menu xAI.
• Tiada skor penanda aras, harga, tetingkap konteks atau masa API didedahkan dalam set isyarat ini.
• Cerita tentang data latihan Cursor telah berkembang sejak 16 Jun merentasi sekurang-kurangnya tiga akaun, dengan Mark Kretschmann mengaitkan Grok 5 kepada pasangan parameter 6T dan 10T dalam kelas berat Fable 5.

Tarikh keluaran Grok 4.5

Grok 4.5 memasuki beta peribadi pada 28 Jun 2026, dan dijadualkan untuk keluaran umum pada 9 Julai 2026 (esok, setakat 8 Julai).

Ia dibina atas versi terdahulu seperti Grok 4 (dikeluarkan sekitar Julai 2025) dan Grok 4.3. Ia sepatutnya boleh diakses oleh pengguna layak (cth., pelanggan SuperGrok/Premium+) sejurus selepas pengumuman. Untuk API, CometAPI akan diintegrasikan dengan API grok 4.5 sebaik sahaja ia dikeluarkan, dan akan menawarkan harga pemerolehan yang lebih murah.

Keluaran Umum: Hari ini (8 Julai 2026), Musk menyiarkan bahawa, berdasarkan maklum balas beta yang positif, SpaceXAI / xAI akan menjadikan Grok 4.5 tersedia kepada umum esok (9 Julai). Ia digambarkan sebagai model "kelas Opus" yang lebih pantas, lebih cekap token, dan lebih rendah kos berbanding model setara.

Sumber: @mark_k

Isyarat daripada Seni Bina grok 4.5: Apa yang telah kami lihat

Sumber utama ialah siaran X Elon Musk sendiri pada 28 Jun 2026:

“Grok 4.5, berdasarkan model asas V9 1.5T kami, dengan data Cursor ditambah dalam latihan tambahan, kini dalam beta peribadi di SpaceX & Tesla. Penilaian awal menunjukkan prestasi hampir, mungkin melebihi Opus. RL terus meningkatkan model dengan ketara, dan rangka Grok Build semakin baik setiap hari…”

Ini diperkuat oleh akaun seperti @testingcatalog dan @ai_for_success, dengan butiran seni bina tentang V9 1.5T dan integrasi Cursor, "Grok 4.5 is based on 1.5T V9 foundation model, with Cursor data added in supplemental training.".

Isyarat Cursor: Langkah xAI/SpaceX ke arah memperoleh atau bersekutu rapat dengan Cursor (Anysphere) sekitar $60B menyediakan sumber kaya jejak IDE pembangun sebenar, aliran kerja beragensi, dan data penyuntingan berbilang fail. Latihan tambahan (selepas pralatihan) ini membezakan Grok 4.5 untuk tugasan pengaturcaraan, walaupun pakar menyatakan integrasi semasa pralatihan akan lebih kukuh.

Sumber: @mark_k

Isyarat keadaan menu adalah lebih sempit tetapi lebih menyerupai bukti. Menurut siaran Mark Kretschmann pada 28 Jun, nombor versi untuk model Grok 1.5T / Cursor Composer 3 telah dialihkan daripada menu xAI pada pagi 28 Jun. Beliau menerangkannya sebagai pola yang boleh mendahului keluaran xAI. Ini bukan pelancaran rasmi, tetapi ia lebih konkrit daripada dakwaan prestasi yang diulang siar kerana ia terikat pada tangkapan skrin.

Isyarat kanari kemudian menolak cerita ke hadapan. TestingCatalog mengesan rentetan UI web Grok berbunyi "Unlock the full power of Chat with Grok 4.5." Jejak sebegitu sering muncul sebelum perubahan produk, tetapi ia juga boleh ditinggalkan, ditangguhkan, atau disembunyikan di sebalik pengeluaran terhad.

Apa Yang Boleh Kita Jangka Secara Munasabah daripada Grok 4.5

1. Peningkatan Prestasi Pengaturcaraan dan Beragensi: Data Cursor tambahan sepatutnya meningkatkan tugasan seperti SWE-Bench, penaakulan berbilang fail, dan aliran kerja pembangun dunia sebenar. Jangka kekuatan dalam penaakulan teknikal, penyahpepijatan, dan kejuruteraan berskala produksi — bidang yang sejajar dengan kes penggunaan SpaceX/Tesla.
2. Skala dan Kecekapan: Pada 1.5T parameter di V9 yang dioptimumkan (GPU era Blackwell melalui Colossus), ia mengimbangi kuasa mentah dengan kebolehlaksanaan inferens. Penambahbaikan RL pasca beta boleh merapatkan jurang dalam penaakulan.
3. Iterasi Pantas: Musk menyebut model baharu setiap bulan dari awal. Grok 4.5 berfungsi sebagai batu loncatan, dengan larian 2T+ yang lebih besar sudah memasukkan data Cursor daripada pralatihan.
4. Multimodal dan Penggunaan Alat: Membina keupayaan Grok terdahulu (visi, carian, Grok Build), jangka ciri beragensi yang diperluas.
5. Garis Masa Pelancaran Awam: Jejak UI mencadangkan beberapa hari hingga minggu untuk akses lebih luas. Pola sejarah menunjukkan 1–2 minggu daripada usikan ke pratonton.

Untuk Penggunaan Produksi Hari Ini: Sementara menunggu, integrasi melalui titik akhir Grok di CometAPI. API serasi OpenAI mereka menyokong pertukaran lancar dan menawarkan penjimatan kos (cth., Grok 4 pada kadar dikurangkan), sesuai untuk membina aplikasi yang akan mudah dinaik taraf ke Grok 4.5. Semak tawaran Grok CometAPI untuk butiran.

Fakta keras datang daripada dokumen rasmi, dan dokumen rasmi masih senyap mengenai Grok 4.5. Halaman model xAI (model page) menyenaraikan grok-build-0.1 sebagai model pengaturcaraan yang dilatih khusus untuk aliran kerja pengaturcaraan beragensi, dengan tetingkap konteks 256k dan $1.00 / $2.00 bagi setiap 1M token input/output dalam dokumen harga xAI. Ia menyenaraikan grok-4.3 untuk penggunaan umum, dengan tetingkap konteks 1M token dan $1.25 / $2.50 bagi setiap 1M token input/output. Halaman had kadar xAI termasuk Grok 4.3 dan Grok Build 0.1, dan dokumentasi pemanggilan fungsi xAI menerangkan permukaan penggunaan alat semasa, tetapi tiada satu pun daripada halaman tersebut menyenaraikan Grok 4.5.

Ketiadaan itu penting. Satu model boleh wujud secara dalaman namun masih tidak boleh digunakan melalui API awam. Pasukan harus memisahkan “xAI mungkin sedang menguji ini” daripada “pembangun boleh menggunakan ini”.

Perbincangan awam masih berguna untuk tujuan yang lebih sempit: ia memberitahu kita apa yang pembina perlu uji terlebih dahulu.

Soalan susulan lebih berguna daripada gembar-gembur:

• Adakah data gaya Cursor mengurangkan percubaan tampalan yang gagal?
• Adakah Grok 4.5 menavigasi repositori lebih baik daripada Grok 4.3 atau Grok Build?
• Adakah ia mengatasi Claude Opus 4.8 pada tugasan berbilang fail sebenar?
• Adakah ia memerlukan lebih sedikit percubaan semula, lebih sedikit panggilan alat, atau kurang semakan manusia?
• Adakah ia kekal kompetitif apabila latensi dan panjang output diukur?
• Adakah ia menggeneralisasi di luar aliran kerja mirip Cursor?

Anggap utas X sebagai isyarat, bukan spesifikasi. Spesifikasi bermula apabila xAI mengemas kini dokumen model atau nota keluarannya.

Grok 4.5 vs Claude Opus: Prestasi Dijangka

Soalan penghalaan sebenar bukan “Adakah Grok 4.5 mengujakan?” Ia ialah: Patutkah aliran kerja pengaturcaraan atau ejen menggunakan Grok 4.5 dan bukannya Claude Opus 4.8 sebaik sahaja Grok 4.5 tersedia?

Claude Opus 4.8 ialah garis dasar yang jelas kerana Anthropic mempunyai dokumentasi awam dan data penanda aras. Gambaran keseluruhan model Anthropic menyenaraikan Claude Opus 4.8 dengan tetingkap konteks 1M token dan output maksimum 128k. Pengumuman Opus 4.8 meletakkannya sekitar kerja beragensi yang kompleks, pengaturcaraan, dan kes guna perusahaan, manakala halaman harga memberikan garis dasar harga API rasmi.

Kad sistem Opus 4.8 memberikan nombor sebenar. Dalam ringkasan penilaian, Opus 4.8 melaporkan 88.6 pada SWE-bench Verified, 69.2 pada SWE-bench Pro, 74.6 pada Terminal-Bench 2.1, 83.4 pada OSWorld-Verified, dan 1890 pada GDPval-AA.

Kekuatan Dijangka Grok 4.5:

• Pengkhususan Pengaturcaraan: Data Cursor menyediakan kelebihan unik dalam jejak pembangun dunia sebenar yang penanda aras sintetik kurang hargai. Model Grok terdahulu sudah kompetitif dalam pengaturcaraan; ini boleh menolaknya ke hadapan pada tugasan beragensi.
• Skala & Kelajuan: 1.5T parameter + infrastruktur Colossus mungkin menghasilkan kadar pemprosesan yang kukuh dan pengendalian konteks panjang.
• Kos/Kebolehcapaian: Model xAI sering berharga kompetitif; CometAPI selanjutnya mengurangkan kos (cth., siri Grok 4 pada penjimatan ketara).

Kekuatan Claude Opus (Flagship Semasa):

• Penanda aras terbukti: SWE-Bench tinggi (~80%+ dalam versi terkini), penaakulan kuat (GPQA, ARC-AGI), pematuhan arahan dan keselamatan yang cemerlang.
• Ekosistem matang: Penggunaan alat yang mantap, artifak, dan ciri perusahaan.

Perbandingan Jadual (Diunjurkan/Diberi Alasan Berdasarkan Data Tersedia)

Jadual disintesis daripada bocoran, penanda aras terdahulu, dan analisis. Keputusan sebenar menunggu penilaian awam.

Anggap perbandingan Opus sebagai sasaran penanda aras, bukan kesimpulan. Jika Grok 4.5 benar-benar hampir atau melampaui Opus, ia patut muncul dalam kadar tugas diselesaikan, percubaan semula yang lebih sedikit, suntingan penyemak yang lebih rendah, dan pemulihan gelung alat yang lebih baik. Jika ia hanya menang dalam demo, itu tidak mencukupi untuk penghalaan produksi.

Tiga Sudut Gelap Kejuruteraan

Risiko migrasi bukan sahaja kualiti model. Tiga butiran kurang kelihatan boleh menjadikan pelancaran Grok 4.5 mahal atau rapuh.

1. Keuntungan berbentuk Cursor mungkin tidak teralih ke timbunan pengaturcaraan anda

Jika isyarat latihan datang daripada aliran kerja Cursor, model mungkin paling kuat dalam pola penyuntingan mirip Cursor. Sistem produksi anda mungkin berbeza: ejen sisi pelayan, bot pembaikan CI, triage isu GitHub, migrasi repo dalaman, atau pembantu pembangun setempat.

Senarai semak penilaian:

• Sertakan repositori sebenar, bukan prompt mainan.
• Sertakan tugasan yang memerlukan membaca sebelum menyunting.
• Sertakan tugasan pemulihan ujian gagal.
• Skor ketepatan tampalan akhir, bukan hanya kualiti jawapan.
• Bandingkan mod sembang biasa dengan mod ejen.
• Ukur sama ada Grok 4.5 mengurangkan percubaan semula berbanding Opus 4.8 dan Grok 4.3.

2. Prestasi beta peribadi mungkin bergantung pada kerangka dalaman

Model yang diuji di dalam SpaceX atau Tesla mungkin mendapat manfaat daripada alat dalaman, prompt terkurasi, tugasan penilaian peribadi, atau pengambilan semula khusus. Versi API awam mungkin berkelakuan berbeza.

Senarai semak penilaian:

• Catat ID model dan tarikh keluaran yang tepat.
• Catat ketersediaan alat bagi setiap larian.
• Pisahkan kualiti model daripada kualiti kerangka.
• Jejaki latensi p50 dan p95.
• Jejaki kegagalan alat dan panggilan alat tidak sah.
• Elakkan membandingkan demo ejen dalaman dengan panggilan API mentah.

3. Harga dan had konteks boleh menghapus kemenangan penanda aras

Walaupun Grok 4.5 lebih kuat, ia mungkin tidak lebih murah. Harga token, tetingkap konteks, had output, cache prompt, had kadar, dan kos panggilan alat semuanya penting.

Gunakan metrik penghalaan ini:

Kos efektif per tugas diselesaikan = (kos model utama + kos percubaan semula + kos laluan sandaran + kos semakan manusia) / tugas berjaya

Jika Grok 4.5 menyelesaikan lebih banyak tugas dengan lebih sedikit percubaan semula, ia boleh berbaloi pada harga token yang lebih tinggi. Jika ia menggunakan lebih banyak token, berputar lebih lama, atau memerlukan lebih banyak semakan, gembar-gembur pelancaran tidak akan diterjemahkan kepada kos beban kerja yang lebih rendah.

Cara Menilai Grok 4.5 Sendiri

Gunakan tempoh bocoran untuk menyediakan penilaian sebelum model muncul.

1. Bina set ejen pengaturcaraan 20 tugas

Sertakan tugasan sebenar:

• pembaikan pepijat dalam repo anda sendiri
• refaktor berbilang fail
• migrasi kebergantungan
• pembaikan ujian gagal
• semakan kod dengan regresi halus
• kemas kini dokumentasi yang terikat pada kod
• pepijat UI daripada tangkapan skrin serta sumber
• isu SQL atau saluran paip data
• aliran kerja pemanggilan alat
• soalan repositori ber-konteks panjang

2. Jalankan tugasan sama pada garis dasar tersedia

Jangan tunggu Grok 4.5 untuk mula mengukur. Jalankan set tugasan sama pada:

• Grok 4.3 untuk penaakulan umum xAI semasa
• Grok Build 0.1 untuk garis dasar model pengaturcaraan rasmi xAI jika ada
• Claude Opus 4.8 untuk kerja pengaturcaraan dan ejen berkeupayaan tinggi
• Claude Sonnet 5 untuk penghalaan produksi kos lebih rendah
• model produksi anda sekarang

3. Ukur kos tugas diselesaikan

Jejaki:

• token input
• token output
• panggilan alat
• percubaan semula
• tampalan gagal
• kadar lulus ujian
• latensi
• suntingan penyemak
• skor lulus/gagal akhir
• kos per tampalan diterima

Jangan bandingkan output tunggal. Bandingkan tugasan sama, arahan sama, alat sama, dan rubrik pemarkahan sama.

4. Tambah Grok 4.5 hanya selepas ketersediaan awam

Apabila xAI atau CometAPI mendedahkan ID model Grok 4.5 yang stabil, tambahkannya ke penilaian sama. Jangan tulis semula penilaian mengelilingi model baharu. Tujuannya ialah mengekalkan penanda aras cukup stabil agar perbandingan bermakna.

5. Buat keputusan mengikut kelas beban kerja

Gunakan model yang menang mengikut jenis tugas, bukan mengikut jenama:

• Gunakan model lebih murah apabila kejayaan tugas adalah serupa.
• Gunakan Opus 4.8 apabila kegagalan mahal dan Grok 4.5 belum membuktikan kesetaraan.
• Guna Grok 4.5 hanya di tempat ia mengatasi garis dasar semasa pada tugas anda sendiri.
• Kekalkan laluan sandaran sehingga kadar ralat, latensi dan kos stabil.

Apa Yang Kita Ketahui vs. Apa Yang Belum Boleh Disahkan

Disahkan / Isyarat Kuat:

• Asas 1.5T V9 + latihan tambahan Cursor.
• Beta peribadi di SpaceX/Tesla (28 Jun 2026).
• Dakwaan “hampir/lebih daripada Opus” yang dikaitkan dengan Musk.
• Peta jalan model baharu bulanan.
• Jejak kanari UI.

Belum Disahkan / Soalan Terbuka:

• Penanda aras tepat (tiada kad sistem).
• Tarikh keluaran umum dan harga API.
• Tetingkap konteks penuh, keupayaan multimodal.
• Jumlah data Cursor yang tepat, lesen, dan nisbah pencampuran.
• Prestasi berbanding versi Opus tertentu atau pesaing lain (cth., GPT-5.5, Gemini 3.x).
• Grok 4.5 vs. varian Grok 5 yang dikhabarkan lebih besar.

Anggap dakwaan sebagai berorientasikan vendor. Sejarah menunjukkan penilaian dalaman boleh berbeza daripada yang awam; pengesahan bebas adalah penting

Apa Yang Perlu Diperhatikan Seterusnya

Perhatikan lima perkara dalam beberapa minggu akan datang:

1. Dokumentasi model xAI menambah ID model Grok 4.5.
2. Nota keluaran xAI mengesahkan ketersediaan umum atau pratonton.
3. Penanda aras ejen pengaturcaraan bebas, khususnya SWE-bench, Terminal-Bench, dan tugasan ejen pengaturcaraan gaya Cursor.
4. Laporan pembangun sebenar tentang aliran kerja pengaturcaraan mirip Cursor.
5. Kemas kini katalog atau papan pemuka CometAPI untuk ketersediaan Grok 4.5.

Isyarat pembelian boleh dipercayai pertama bukanlah siaran X yang tular. Ia akan berupa ID model serta hasil penilaian yang boleh diulang.

Tinjauan Masa Depan: Model Bulanan dan Seterusnya

Kadar xAI — model asas baharu setiap bulan — boleh mentakrifkan semula kelajuan iterasi. Grok 4.5 ialah lonjakan bertahap; varian Grok 5 menjanjikan lebih lagi. Jangka penekanan berterusan pada pencarian kebenaran, humor, dan utiliti dunia sebenar yang sejajar dengan visi Musk.

Seruan Tindakan: Daftar CometAPI hari ini untuk mengakses model Grok yang berkuasa pada kos berpatutan dan kekal di hadapan. Pantau x.ai dan X untuk kemas kini rasmi Grok 4.5. Revolusi pengaturcaraan AI sedang mempercepat — posisikan aliran kerja anda sekarang.