Grok 4.5 深度評測：
SpaceXAI 最強程式設計模型，真的比 Claude Opus 便宜 4 倍嗎？

如果你是一名在 Cursor 或自建 Agent 流水線裡高頻呼叫大模型的開發者，2026 年 7 月 8 日馬斯克旗下 SpaceXAI 發布的 Grok 4.5 很可能已經出現在你的模型清單裡——馬斯克稱其為「Opus 級智慧，卻只要幾分之一的價格」。本文基於公開 benchmark、獨立測評與 API 定價，完整涵蓋模型規格、定價對比、程式設計與 Agent 評測、TryAI 真實編碼測試、平台接入、6 步實操與 FAQ，幫你判斷 Grok 4.5 是否值得切換。

• TL;DR：Grok 4.5 不是 benchmark 第一的程式設計模型，但在高頻 Agent 場景下，Token 效率 + API 定價使其單次任務成本約為 Claude Code 的四分之一（約 $2.49 vs $11.80）。
• 亮點：與 Cursor 聯合訓練、50 萬 Token 上下文、AutomationBench-AA 首個超 50% 完成率、首 Token <0.5s、約 110 tokens/s。
• 短版：SWE-Bench Pro 落後 Claude Fable 5 約 16 個百分點；幻覺率 AA-Omniscience 達 54%；CursorBench 因訓練資料污染被撤除。
• 適合：高頻 Agent、終端機類任務、已用 Cursor 的團隊、預算敏感型工程組織。
• 謹慎：高精度多檔案重構、金融/安全關鍵程式碼、歐盟 API 尚未開放（預計 7 月中旬）。

SECTION 01 Grok 4.5 是什麼？SpaceXAI 旗艦程式設計模型與 Cursor 聯合訓練背景

Grok 4.5 是 SpaceXAI 上市後推出的第一款旗艦模型，專為程式設計與程式碼 Agent、跨工具自主工作流，以及法律/醫療/教育等知識密集型場景深度最佳化。與以往不同，該模型與 AI 程式設計工具 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 與程式碼庫互動紀錄）。SpaceX 已於 2026 年 6 月完成對 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。

SECTION 02 Grok 4.5 定價多少？API 單價與真實任務成本對比

定價是 Grok 4.5 最核心的賣點。標價已經低於 Claude Opus，但真正的差距來自 Token 效率——在 SWE-Bench Pro 程式設計任務上，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。

按每天 500 次 Agent 任務估算：Grok 4.5 約 $1,245/天，Claude Code 約 $5,900/天——效率差距會隨呼叫量指數級放大。

SECTION 03 Grok 4.5 Benchmark 全解析：程式設計、Agent 與綜合智慧指數

SpaceXAI 官方公布了 4 項程式設計相關評測。我們彙總官方數據與第三方獨立測試如下。

解讀：DeepSWE 1.1 中立 harness 下 Grok 4.5 跌至第四，Fable 5 領先 17 個百分點；Terminal Bench 2.1 四款頂級模型差距在 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。

Agent 任務 Benchmark（Grok 4.5 亮點舞台）：

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，Grok 4.5 在法律（40% vs 27–28%）、教育（58% vs 35–42%）、醫療（35% vs 23–25%）等領域大幅領先。

綜合智慧指數：Artificial Analysis 綜合智慧指數 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 16 分。

CursorBench 撤除說明：CursorBench（Cursor 自有評測集）在發布時被臨時撤除——發現 Cursor 自身程式碼庫的部分快照意外混入了 Grok 4.5 的訓練資料，存在資料污染風險，是本次發布的一個明顯瑕疵。

SECTION 04 真實程式設計對比與可用平台：TryAI 測試 + Grok Build / Cursor / API

獨立測評機構 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（約是競品的 2 倍）。
• 成本：Grok 4.5 每次測試執行成本最低。

結論：高頻重複性程式設計任務中，Grok 4.5 的速度和成本優勢壓倒性領先；需要一次到位複雜狀態管理的高精度任務上，Claude 系列仍然更可靠。

可用平台（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：所有訂閱方案均可使用（桌面端、Web、iOS、CLI、SDK），首週使用量加倍
• SpaceXAI Console API：支援 Chat Completions 和 Responses API，區域 us-east-1 / us-west-2，限流 150 req/s、50M tokens/min
• Office 外掛：Word、PowerPoint、Excel 預設模型
• 第三方閘道：OpenRouter、Vercel、Cloudflare、Snowflake、Databricks Mosaic

curl -s https://api.x.ai/v1/responses \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-4.5",
    "input": "幫我找出這段程式碼的 bug 並修復：function median(a){a.sort();return a[a.length/2]}"
  }'

SECTION 05 Grok 4.5 怎麼接入？Cursor 與 API 六步實操指南

1. 在 Cursor 中選擇模型：開啟 Cursor → 模型選擇器 → 選擇 Grok 4.5（所有訂閱方案已內建，首週用量加倍）。
2. 取得 SpaceXAI API Key：登入 SpaceXAI Console，在 API Keys 頁面建立金鑰，確認帳戶可存取 us-east-1 或 us-west-2。
3. 設定環境變數：在本機或 CI 中設定 export XAI_API_KEY="your-key"，勿將金鑰提交到版本儲存庫。
4. 啟用 Prompt 快取：Responses API 設定 prompt_cache_key，或 Chat Completions 使用 x-grok-conv-id Header，將輸入價格從 $2.00/M 降至 $0.50/M。
5. 長 Agent 迴圈開啟 Context Compaction：減少多輪對話 Token 累積，降低高頻流水線總成本。
6. 建立混合模型路由：將常規子任務路由給 Grok 4.5，最複雜架構決策留給 Claude Fable 5，並在輸出側加入自動化驗證（尤其幻覺敏感場景）。

SECTION 06 值得切換嗎？適合場景、風險與可引用數據

適合 Grok 4.5 的場景：

• 每天執行數百到數千次程式設計任務的團隊，成本節省立竿見影
• 終端機類任務和工具呼叫（Terminal Bench 2.1、AutomationBench 頂級表現）
• 已深度整合 Cursor 的團隊，原生支援無縫切換
• 新創公司與預算敏感團隊，相近智慧水平下每任務成本不到競品四分之一
• 混合模型策略：常規子任務 Grok 4.5，複雜架構決策 Claude Fable 5

需要謹慎的場景：

• SWE-Bench Pro 類高精度程式碼任務（Fable 5 領先約 16 個百分點）
• 幻覺率敏感場景：AA-Omniscience Index 幻覺率達 54%，生產環境需加強輸出驗證
• 歐盟使用者：API 當前僅在 us-east-1 和 us-west-2 可用
• CursorBench 相關效能數據因訓練資料污染被撤除，需等待獨立重測

可引用硬核數據：

• 上下文視窗：500,000 tokens
• SWE-Bench Pro 輸出 Token 效率：15,954（Grok 4.5）vs 67,020（Opus 4.8），差距 4.2×
• 單次 Agent 任務成本：$2.49（Grok 4.5）vs $11.80（Claude Code）
• AutomationBench-AA：51.4%，首個超 50% 企業工作流完成率
• Artificial Analysis 智慧指數：54 分，較上一代 +16 分

在本機 Mac 上跑高頻 Agent 流水線，筆電休眠、網路波動與多工搶占會打斷 7×24 自動化；純虛擬機方案還有 Hypervisor 損耗與 macOS EULA 限制。對於需要零損耗原生算力、穩定 iOS/macOS CI/CD 與 AI Agent 長期上線的生產環境，MACNOX 的雲端物理節點通常是更優解：100% 蘋果原裝 Mac Mini M4、完整 Root 權限、按天/週/月彈性下單、無 Hypervisor 損耗，可將 Grok Agent 與編譯流水線部署在獨立實體機上。可參考Mac Mini M4 租 vs 買費用對比與Claude Code 安全風險處置，前往定價頁查看方案。

Grok 4.5 不是「最強的程式設計模型」，但它是性價比最高的 Opus 級程式設計 Agent——當你把 Token 效率與 API 定價折算成實際任務成本時，它在主流 Agent 工作流上能以更低價格完成與 Opus 4.8 相近品質的工作。若場景對準確率要求極高（金融程式碼、安全關鍵系統），Claude Fable 5 仍是更保險的選擇。

官方與第三方參考來源（發版後請再次開啟連結核對）：

SpaceXAI 官方發布 — Grok 4.5

Cursor 聯合發布聲明 — Grok 4.5

SpaceXAI 官方文件 — Grok 4.5 API

TechCrunch — SpaceXAI releases Grok 4.5

Awesome Agents 獨立評測 — Grok 4.5

Snorkel AI 專業場景測試 — Grok 4.5

SECTION 07 常見問題 FAQ