Related articles
“Grok 4.5 不是最强的大模型，但它值得一试。”7 月 15 日，马斯克在 X 上发了这么一句话。语气平淡。
背后是 SpaceXAI 刚刚经历的一个疯狂月份：6 月 12 日，SpaceX 以史上最大 IPO 登陆纳斯达克，定价每股 135 美元，估值约 1.77 万亿美元，融资约 750 亿美元；6 月 16 日，宣布以 600 亿美元全股票收购 AI 编程工具 Cursor；7 月 8 日，推出 Grok 4.5；次日，OpenAI 就发布了 GPT-5.6。这不像巧合，更像一场蓄谋已久的价格战信号。
比发布密度更值得注意的，是巨头们对模型的叙事方式正在集体转向。
Grok 4.5 的 API 定价：输入每百万 token 2 美元，输出每百万 token 6 美元。对比 Claude Opus 4.8（输入 5 美元、输出 25 美元） 和 GPT-5.6 Sol（输入 5 美元、输出 30 美元），不到对方的四分之一到五分之一。更关键的是效率：xAI 称 Grok 4.5 的 token 效率是同类模型的两倍。SWE-Bench Pro 测试中，Grok 4.5 平均每任务消耗 15,954 个输出 token，Opus 4.8 需要 67,020 个，差距超过 4 倍。但 OpenAI 没有坐视。GPT-5.6 Luna 定价输入 1 美元、输出 6 美元，输入端比 Grok 4.5 还便宜一半。
价格战刚打响，对手已经跟进了。
从“ 谁最强” 到“ 谁最划算”
xAI 官方公布的基准测试显示了一个略显尴尬但诚实的事实：Grok 4.5 不是最强的。在 Artificial Analysis Intelligence Index 中，它以 54 分排名第四，仅次于 Fable 5、GPT-5.6 Sol 和 Opus 4.8，但领先所有开源模型和 Gemini 系列。与 Opus 4.8 各有胜负：DeepSWE 1.0 上 62.0% 对 55.8% 胜出，Terminal-Bench 2.1 上 83.3% 对 78.9% 领先；但在 DeepSWE 1.1 中仅得 53.0%，远低于 Opus 4.8 的 59.0%；SWE-Bench Pro 上 64.7% 同样落后。
但跑分排名恰恰不是这一轮竞争的关键。竞争逻辑正在从“ 谁的模型最强” 转向“ 谁的模型能在真实场景中最划算地完成任务”。Grok 4.5 选择的路径是：先锁定高频场景，再围绕场景定义模型能力和成本结构。
它背后的盟友是 Cursor。通过深度联合训练，Grok 4.5 独家消化了万亿级 Token 的开发者真实交互数据：顶尖程序员写代码时的每一次回删、遇到报错时的每一次文件跳转。与训练公开代码仓库不同，Cursor 数百万开发者的真实编程会话数据，包含了失败、重试、上下文切换和多步决策，是任何公开数据集都无法提供的实战经验。xAI 还引入了一种异步学习训练方法论，让持续数小时的 Agent 训练可以与模型训练并行进行。
这一策略的横向对标，可以看到三家巨头走了三条不同的路。
OpenAI 的 GPT-5.6 用 Sol/Terra/Luna 三级命名取代了“ 旗舰+mini/nano” 体系。Sol 承担复杂推理和 Agent 等高难任务，价格与 GPT-5.5 持平；Terra 综合表现接近 GPT-5.5，落在中端价格区间；Luna 与开源 GLM-5.2 同价位，主打高并发低延迟。核心是：能力跟着场景走，成本跟着任务变。7 月 15 日，OpenAI 还推出了 ChatGPT Work，一个跨应用自动化职场任务的智能体平台，同时被曝首款 AI 硬件是无屏便携智能音箱，搭载 GPT-Live 语音交互。
Anthropic 在 6 月底发布的 Claude Sonnet 5 则内置了 effort 机制：调用方可根据任务复杂度调节推理强度。中等 effort 控制成本，高 effort 才逼近旗舰表现。这打破了“ 选定模型就锁定成本” 的旧逻辑，性价比从静态参数变成了动态调节。
三家的共同指向已经很清楚：大模型竞争正在从“ 谁的模型最强”，变成“ 谁的模型能在真实场景中最划算地完成任务”。
“ 单任务成本”：新的衡量标尺
当模型进入真实任务场景，一个反直觉的结论浮出水面：定价便宜的模型，未必真的便宜。
Grok 4.5 的官方缓存命中价是每百万 Token 0.50 美元，相当于标准输入价的 75% 折扣。但真正的差距在单任务成本上。据 Coding Agent Index 数据，Grok 4.5 在 Grok Build 中每个任务平均花费 2.49 美元，而 GPT-5.6 Sol 在 Codex 中需要 5.07 美元，Claude Fable 5 在 Claude Code 中需要 11.80 美元，差距接近 5 倍。
效率数据同样惊人。解决同一道 SWE-Bench Pro 任务，Grok 4.5 平均只用 1.6 万个输出 Token，Opus 4.8 要用 6.7 万个，效率差了 4 倍多。Grok 4.5 输出端 6 美元不到 Opus 4.8（25 美元） 的四分之一。但如果把 GPT-5.6 Luna（输入 1 美元/输出 6 美元） 拉进来对比，会发现 Grok 在输出定价上只是追平了 OpenAI，真正被甩开身位的只有 Anthropic 一家。
性价比的衡量单位从“token 单价” 变成“ 单任务成本”，这一趋势在国内同样明显：DeepSeek-V4-Flash、Qwen3-235B-A22B、Kimi K2.6 集体押注“ 大参数+小激活” 的 MoE 架构。更值得关注的是马斯克透露的一个信息：xAI 尚未部署内部开发的 C/C++推理栈，一旦部署，速度预计会翻倍以上。这意味着 Grok 4.5 的成本还有进一步下降的空间，价格战的下半场可能还没真正开始。
当性价比的衡量单位转向“ 单任务成本”，企业真正关心的从“ 哪个模型最强” 转向“ 哪个模型能被长期稳定低成本地默认调用”。OpenAI 的 ChatGPT Work 正是这一逻辑的产物，它不是一个聊天界面，而是一个智能体平台，能跨应用调度任务，背后默认调用 GPT-5.6 系列中不同层级的模型。
云平台也在产品化这一趋势。Amazon Bedrock 推出 Intelligent Prompt Routing，微软 Azure AI Foundry 上线 Model Router。Google 在 7 月 15 日宣布 Chrome 浏览器将进一步整合 Gemini AI，计划下个月登陆 iOS。开发工具中的 OpenRouter、LiteLLM 也在承担类似角色。未来很多调用未必由终端用户直接决定，而是由云平台和框架提前分配。
Grok 4.5 与 Cursor 的组合是这一逻辑的缩影，Cursor 是开发者生态的高频入口，Grok 4.5 嵌入其中成为默认模型。但隐患同样存在：Cursor 在 AI 编程工具市场的份额已从 2025 年 6 月的 41% 下降到 2026 年 5 月的 26%，Anthropic 控制了这个类别的一半。如果 Cursor 的用户基础持续收缩，Grok 4.5 的数据飞轮能转多久？
类似的协同优化正在行业蔓延。Google 将 Gemini 深度嵌入 Gmail、Docs 等工作场景；腾讯混元 Hy3 与 WorkBuddy 结合，从 preview 到正式版日均 token 消耗增长 20 倍，办公场景任务成功率从 72% 提升至 90%。模型只有进入真实任务，才能获得稳定调用、真实反馈和持续优化空间。
由此形成新的竞争飞轮：更低单任务成本带来更多默认调用，更多默认调用带来更大规模和更多真实反馈，真实反馈继续推动优化，进一步降低单任务成本。
对手付钱帮你训练模型
马斯克做生意的底层逻辑，从特斯拉到 SpaceX，始终是用成本结构颠覆现有格局。在 AI 大模型市场，这个逻辑正在重现。Grok 4.5 的定价远低于 Opus 4.8 和 GPT-5.6 Sol。但低价不是慈善，是战略。SpaceXAI 拥有 Colossus 超级计算机，正在向竞争对手—— 包括 Anthropic 和 Google—— 出租算力。据 Axios 报道，Grok 4.5 的训练使用了与 SpaceXAI 出租给 Anthropic 和 Google 的相同算力资源。这听起来荒谬：竞争对手付钱帮马斯克训练模型来打击他们自己。但这就是 AI 时代的算力经济学—— 当你控制着基础设施，你就有能力在应用层打价格战。
算力规模也在快速扩张。Grok 4.5 在数万块 NVIDIA GB300 GPU 上训练，路透社报道 SpaceXAI 的算力成本被大规模基础设施摊薄。但扩张的另一面是代价：7 月 15 日路透社披露，xAI 位于田纳西州的 Colossus 2 数据中心违规安装了 59 台天然气涡轮机，未获环境许可，影响方圆 8 公里居民健康。
更大的风暴在模型发布一周后袭来。
7 月 13 日，独立安全研究员 @cereblab 发布抓包分析：Grok Build CLI（v0.2.93） 会在用户毫不知情的情况下，将整个 Git 仓库：包括未被读取的文件、完整的 Git 历史、.env 配置文件甚至 SSH 密钥，打包上传至 xAI 的谷歌云存储桶。即便用户关闭“ 改进模型” 选项，上传行为依然无法停止。
沉默两天后，马斯克在 X 上开口第一个词是“True”，承认事情属实，承诺所有数据“ 一个字节不留” 彻底删除，上线/privacy 命令。更出乎意料的是后续动作：7 月 15 日，SpaceXAI 宣布开源 Grok Build，将源代码发布至 GitHub，并重置所有用户的使用限制。针对隐私争议，公司回应称 Grok Build 自上线以来完全尊重零数据保留 （ZDR） 原则，用户始终可在命令行界面禁用数据上传。早期测试版中，非 ZDR 用户默认启用了数据保留，但自 7 月 12 日起已为所有用户禁用默认数据保留，并正在删除此前保留的所有编码数据。从“ 偷偷上传” 到“ 全部开源” 再到“ 数据清零”，这一系列动作只用了 48 小时。
而 Grok 4.5 的独家卖点恰恰是“ 收集开发者的认知行为数据”。当“ 行为数据” 从联合训练的协议内容变成悄无声息的后台上传，信任的边界在哪里？加上 Cursor 市场份额持续缩水 （41% 到 26%），Grok 4.5 最核心的“ 行为数据飞轮” 面临双重压力：用户基础在缩小，信任基础在动摇。
性价比竞争已经超出降价竞赛本身。19 世纪，经济学家杰文斯观察到：蒸汽机效率越高，煤炭消耗反而越多，效率提升没有抑制使用，反而降低了使用门槛。大模型正在接近自己的“ 杰文斯时刻”。性价比竞争的结果，未必是 AI 总成本下降，而是 AI 使用密度上升。
7 月 15 日，Anthropic 被曝加速推进 IPO，估值已达 9650 亿美元，首次超过 OpenAI 成为全球估值最高的未上市 AI 公司。市场对这种密度上升正在提前定价：AI 不再是一个“ 要不要用” 的问题，而是一个“ 用在哪、用多少” 的问题。但前提是，用户得知道自己的数据去了哪里。
别再迷信单纯的算力堆砌了，得“ 场景数据” 者，得天下。但前提是，用户得知道自己的数据去了哪里。
（本文首发钛媒体 APP · 作者 硅谷 Tech_news · 编辑 林深）
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
