AAITopic

← 返回今日选题

已核验 · Jul 9, 2026

xAI 7/8 Grok 4.5 发布:DeepSWE 62% / SWE Marathon 29% / 比 Opus 4.8 少 ~4.2x 输出 token,Cursor 当天全 plan 默认上架

2 个信源

xAI 7 月 8 日发布 Grok 4.5,定位 SpaceXAI 最新旗舰,主打 coding / agentic / 知识工作;模型被描述为与 Cursor 在「数万台 NVIDIA GB300 GPU」上共同训练。自报基准:DeepSWE 1.0 62.0%(Fable max 66.1%、GPT 5.5 xhigh 64.31%)、SWE Marathon 29.0%(自报最高)、Terminal Bench 2.1 83.3%、SWE Bench Pro 64.7%;在 SWE Bench Pro 上输出 token 比 Opus 4.8 (max) 少 ~4.2 倍(15,954 vs 67,020);~80 TPS 服务,定价 $2/$6 每百万 token;已在 Grok Build、Cursor(全 plan)与 SpaceXAI API 当天上架,欧盟尚未上架(预计 7 月中)。

为什么现在讲

xAI 7/8 这条发布是 7 月初最强单一旗舰事件 —— 同时给出「自报基准对比 Opus / GPT / Fable」、「token 效率具体数字」、「Cursor 当天全 plan 默认上架」三个维度的对照素材;对中文 / 英文编程受众都是「今天就能在 Cursor 试到的新模型」

推荐理由

可演示空间极大:Cursor 用户当天就能在 model picker 里看到 Grok 4.5 切换;可以录一段「同一 prompt 在 Grok 4.5 vs Opus 4.8 vs GPT 5.5」上跑同一 SWE 任务,展示 ~4.2x token 效率差

依据

xAI 旗舰发布 + Cursor 当天全 plan 默认上架 + 多个自报基准同时给出,作为单一旗舰事件热度中上;但热度主要来自官方发布而非外部独立复现

“「Grok 4.5 7/8 进了 Cursor 全 plan 默认栏 —— 自报 SWE Bench Pro 64.7%,但输出 token 比 Opus 4.8 少 ~4.2 倍。」”

切入角度

把 Grok 4.5 7/8 发布讲成「7 月初最强单一旗舰事件」 —— 创作者给出「自报基准对比 Opus / GPT / Fable」+「token 效率具体数字」+「Cursor 当天全 plan 默认上架」三个维度对照,而不是只念单一基准

形式

口播短视频

演示想法

做一段 Cursor 30 秒录屏:同一个 SWE 任务在 Grok 4.5 / Opus 4.8 / GPT 5.5 三个模型切换下跑,展示 Grok 4.5 输出 token 数 vs 其他两个的差别,标出 ~4.2x 比例;结尾说明「欧盟 7 月中上架 / Cursor 全 plan 当天就默认」

平台注意

xAI 基准分是 xAI 自陈(中等风险),不要改写为「独立第三方验证」;「数万台 GB300」具体数量没说(中等风险);欧盟尚未上架(中等到低风险) — 报欧盟用户时要明确说明

可用说法

  • xAI 2026 年 7 月 8 日的发布文章介绍 Grok 4.5 是 SpaceXAI 最新的旗舰模型,定位为 coding、agentic 与知识工作;文章称模型与 Cursor 共同在「数万台 NVIDIA GB300 GPU」上训练,并给出 DeepSWE 1.0 62.0%(Fable max 66.1%、GPT 5.5 xhigh 64.31%)、SWE Marathon 29.0%(自报最高)、Terminal Bench 2.1 83.3%、SWE Bench Pro 64.7% resolve rate,以及在 SWE Bench Pro 上 ~4.2x 少于 Opus 4.8 (max) 的输出 token(15,954 vs 67,020);以 ~80 TPS 服务,定价每百万 token 输入 $2 / 输出 $6;已在 Grok Build、Cursor(全 plan)与 SpaceXAI API 上架;在欧盟的 SpaceXAI 产品与 API console 中尚未上架,预计 7 月中。
  • xAI 2026 年 7 月 8 日发布文章把 Grok 4.5 描述为与 Cursor 在「数万台 NVIDIA GB300 GPU」上共同训练的产物,并把 Grok 4.5 作为默认选项同步上 Cursor 全 plan。

证据链

来自新闻

拆解

Grok 4.5 7/8 发布的「DeepSWE 62% / SWE Marathon 29% / 比 Opus 4.8 少 ~4.2x 输出 token / Cursor 全 plan 默认」四个事实点单独讲任何一个都会变成「念基准分」。本篇解释怎么用「7 月初最强单一旗舰事件」框架讲 —— 把「自报基准对比 Opus / GPT / Fable」+「token 效率具体数字」+「Cursor 当天全 plan 默认上架」三个维度绑成一条,创作者做出「今天就能在 Cursor 试到的新模型」的内容。

信源

风险

  • 固定链到每条 source,只引用摘要里已公开的内容,不要改写除摘要之外的基准分、性能指标、论文细节或架构细节。
  • 固定链到 xAI Grok 4.5 发布原文,只引用文章公开的内容,不要把产品定位改写为「独立第三方验证」,也不要泛化集群规模框架到其他 xAI 模型;明确指出这是 xAI 自述的发布,且模型尚未在欧盟上架。

演示思路

  • 在 Cursor 里把同一段 SWE 任务分别在 Grok 4.5、Opus 4.8、GPT 5.5 上跑一次,展示 token 数 / 延迟 / resolve rate 差别
  • 做一张「Grok 4.5 vs Opus 4.8 vs GPT 5.5 vs Fable max」四模型 SWE 基准对照表,突出 Grok 4.5 的 token 效率优势
  • 在 Grok Build 与 SpaceXAI API 上跑同一段 agentic 任务,展示 ~80 TPS 服务体验