Grok 4.5基准测试xAI官方最新完整说明与详细解读指南

xAI 于 2026 年 7 月 8 日正式发布了 Grok 4.5 模型，同时公布了四项编码基准测试成绩以及一张效率对比图。这些数据颇具看点，并且显然是经过精心筛选的。接下来，我们将逐一拆解这些发布的数据、它们的来源、哪些信息被有意或无意地忽略了，以及如何在不依赖排行榜更新的情况下，自己动手验证它的真实水准。

坦率地说，从基准测试结果来看，Grok 4.5 展现出强劲的第二梯队实力，与 Claude Opus 4.8 的水平相当，但距离最顶尖的模型仍有一步之遥。它真正的亮点，其实在于输出效率，而非纯粹的得分。

xAI 发布的数据一览

根据官方公告，以下是全部四张图表的核心数据：

DeepSWE 1.0 (pass@1)

DeepSWE 1.1

Terminal Bench 2.1

SWE Bench Pro (解决率)

此外，还有一张效率图表：在 SWE Bench Pro 中，Grok 4.5 平均每个任务只消耗 15,954 个 output tokens，而 Opus 4.8 (max) 则需要 67,020 个。这就意味着，两者之间存在 4.2 倍的差距。

这些数据从何而来？

xAI 图表里那些小字说明，这次比以往任何时候都值得细读。

• DeepSWE 1.0，“由 Datacurve 创建，运行在各模型提供商通过 AA（Artificial Analysis）使用的脚手架上。”
• DeepSWE 1.1，“使用了由 Datacurve 运行的 mini-swe-agent 脚手架。”
• “竞争对手的数据取自相关开发者发布的系统卡片或基准测试排行榜。”

换句话说，这是一份“拼凑版”的数据。有些来自第三方评测机构，有些则直接取自竞争对手自己的营销页面，然后由 xAI（作为利益相关方）汇总在一起。这种做法比单纯的自我宣传更透明一些，而且 Datacurve 的参与也增加了几分可信度。但这绝非一次完全独立的评估：各个来源使用的脚手架、框架和资源配置都不尽相同，而这些因素的细微差别，都足以让 agentic 的评分波动好几个百分点。除了这份汇总报告，目前还没有任何独立的第三方对 Grok 4.5 进行过评分。

对同一份图表的三种解读

对比 Opus 4.8，可谓互有胜负。 Grok 4.5 在两项测试中胜出（DeepSWE 1.0 领先 6.25%，Terminal Bench 领先 4.4%），在另外两项中落败（DeepSWE 1.1 落后 6%，SWE Bench Pro 落后 4.5%）。马斯克所说的“Opus 级别”，与发布的数据是吻合的；再往高了说，就不太现实了。注意看它赢在哪里：在侧重终端和较老的评估中获胜，而 Opus 则在更新、更复杂的仓库级评估中更胜一筹。关于包含价格在内的全面对比，可以参考 Grok 4.5 vs Claude Opus 4.8 的分析。

对比顶尖模型，结果毫无悬念。 Claude Fable 5 (max) 在 xAI 自己列出的四张图表里全部排名第一，GPT 5.5 (xhigh) 也在其中的三项上超过了 Grok 4.5。有趣的是，xAI 并没有选择性地隐藏这些数据，而是直接发布了。可见，其营销策略更侧重于强调性价比，而非绝对的性能霸权。关于 Fable 数据在实际使用中的意义，我们在 Fable 5 基准测试分析中有过讨论。

对比自家前代，升级确实存在，但范围有限。 在这些图表中，Opus 从 4.7 到 4.8 的跨越幅度，让大多数代际差异都显得相形见绌。而 Grok 4.5 对比成本更低的 GLM 5.2，在两项共同的基准测试中领先了 9-11 分。对于那些追求“单位美元能力”的用户来说，这些差异值得仔细权衡。

xAI 希望你关注的指标

效率图表是整个发布的战略核心。每个任务仅需 15,954 个 output tokens，而 Opus 4.8 (max) 需要 67,020 个。这意味着 Grok 4.5 用了不到四分之一的输出量，就完成了相当的工作量，并且速度能达到每秒 80 个 token。

这是一个合理的衡量指标，并非为了误导。Output tokens 是计费的，直接关系到耗时；在 agent 循环中，每一步的成本都在累积。一个在 SWE Bench Pro 中得分低 4.5 分，但 token 消耗却少 4.2 倍的模型，对于高吞吐量的流水线来说，无疑是一个理性的选择。这也正是价格分析所要量化的权衡（按牌价计算，每个解决任务的输出成本约为 0.10 美元 vs 1.68 美元）。

不过，这里有两个提醒：首先，这只是由厂商自身测量的单一基准测试。其次，对于对比模型来说，冗余的输出并非完全是浪费：Opus 那些冗长的输出，往往是其扩展推理的一部分，这也是它在某些评估中胜出的原因。效率和深度之间确实存在一种权衡，天下没有免费的午餐。

缺失了什么？

这就是为什么最好再等几周再做定论：

• 缺乏独立第三方评估。 截至 7 月 9 日，Artificial Analysis 智能指数尚未收录，LMArena 尚未排名，社区也没有进行 SWE-bench 的复现。
• 仅限编码领域。 xAI 还把这个模型推向了“知识性工作”市场，但并未发布通用推理、数学、科学或安全方面的基准测试。办公能力的展示也只是以 demo 形式，而非评估形式发布的。
• Grok 自身配置模式不明确。 竞争对手都标注了模式（如 max, xhigh），但 xAI 并未说明 Grok 4.5 的得分反映的是默认配置还是最高配置。
• 发布仅一周。 每次新模型发布后的第一个月，通常都会出现性能回归、服务器不稳定以及能力上的隐性调整。

运行真正重要的基准测试：你自己的

公开的基准测试只能预测平均水平，无法反映你的具体工作负载。一次轻量级的私有评估，比上面所有的数据都更有助于你做出切换决策：

1. 从你自己的待办事项中收集 10-20 个真实任务：包括 prompts、代码库上下文和预期结果。
2. 在 Apifox 中，为每个候选模型创建一个保存的请求。xAI 和 Anthropic 都提供兼容 OpenAI 的接口，因此只需在同一个集合中更改模型变量即可。
3. 针对 grok-4.5 和你当前的模型运行每个任务。验证 usage 对象并记录延迟（latency），从而在同一次测试中对质量、速度和 token 消耗进行评分。
4. 如果可能，请进行盲测评分；模型名称对评估者的影响，往往比人们承认的要大。

到了最后一步，效率主张将接受现实的检验：如果 Grok 4.5 在你的 prompts 下输出并没有明显缩短，那么官方宣传的经济性对你来说就不成立。整个环境搭建只需一小时。关于 xAI 端的配置详情，可以查阅 Grok 4.5 API 指南。

常见问题解答

xAI 为 Grok 4.5 发布了哪些基准测试？ 四项编码评估（DeepSWE 1.0 和 1.1、Terminal Bench 2.1、SWE Bench Pro）以及一项对比 Opus 4.8 的 token 效率对比。除此之外，没有其他任何数据。

是否有独立的 Grok 4.5 基准测试？ 目前还没有。发布的数字混合了由 Datacurve 执行的评估和其他厂商的系统卡片数据。独立指数通常会在模型大规模发布数周后才会公布。

Grok 4.5 超过了 Claude Opus 4.8 吗？ 在发布的四项基准测试中，有两项超过了，并且成本要低得多。Opus 在两项难度更高的仓库级评估中获胜。查看完整对比。

Grok 4.5 是目前最强的编码模型吗？ 不是，xAI 自己的图表也说明了这一点：Claude Fable 5 (max) 在发布的每一项基准测试中都处于领先地位。Grok 4.5 竞争的是“单位美元的智能”。