Grok 4.5与GPT 5.6对决Claude Opus级别的真实较量_新闻

免责声明：内容不构成买卖依据，投资有风险，入市需谨慎！

Grok 4.5与GPT 5.6对决Claude Opus级别的真实较量

2026-07-09 19:31:58

SpaceXAI和OpenAI，这两家AI行业最受瞩目的实验室，在24小时内相继发布了各自的前沿模型，将一次普通的发布周演变成了一场关于价格、速度以及“Opus级别”究竟意味着什么的全民公决。

Grok 4.5：主打性价比与速度

周三，SpaceXAI（已并入埃隆·马斯克新上市的SpaceX公司的AI部门）推出了Grok 4.5，这是其上市以来的首个模型。“宣布推出Grok 4.5，这是我们首个专门为编码和智能体训练的模型，”公司官方公告称，“它使用Cursor进行训练，并以领先的速度和成本效益提供了前沿智能。”

一天后，OpenAI在数周的政府审查预览后，向公众推出了GPT-5.6，这是一个由旗舰模型Sol领衔的三层模型系列。两家公司都将自己的模型定位为能够处理编码、研究和日常知识工作的得力工具，而Anthropic的Claude Opus则成为它们宣传中的核心参照，被作为需要超越的基准，而非可以忽视的竞争对手。

SpaceXAI对Grok 4.5的定位几乎完全侧重于价格和速度，而非原始能力。Grok 4.5每百万输入令牌收费2美元，每百万输出令牌收费6美元，价格远低于其两大主要竞争对手。马斯克在X平台上表示，该模型与Anthropic的Opus系列处于同一级别，不过他也谨慎地说明了具体所指的版本。

马斯克形容该模型大致与Opus 4.7相当，并补充说其运行速度比Anthropic的模型快得多。这一区别尤其重要，因为Opus 4.7并非Anthropic当前的旗舰模型。该模型已被Opus 4.8取代，而Anthropic目前最高端的版本是Claude Fable 5。因此，仔细解读马斯克的比较，会发现他将Grok 4.5定位在了其表面想要对标模型的前一代，而这一点在他的公开声明中基本被忽略了。

基准测试的实际表现

SpaceXAI在发布时同步公开了四张基准测试图表，结果证实了其“具有竞争力、并非最佳”的定位。在衡量模型可靠修复开发者提交错误能力的DeepSWE 1.1测试中，Grok 4.5得分为53%，落后于Opus 4.8的59%和GPT-5.5的67%，而Claude Fable 5以70%的成绩位居榜首。在更广泛的软件工程基准测试SWE-Bench Pro中，Grok 4.5得分为64.7%，勉强超过GPT 5.5的58.6%，但仍落后于Opus 4.8的69.2%，且远低于Fable 5的80.4%。值得注意的是，SpaceX AI将其模型与GPT 5.5（而非GPT 5.6）进行了对比，因为后者在Grok发布几小时后才推出。

Grok 4.5真正脱颖而出的地方在于效率。在SWE-Bench Pro任务中，它平均每个任务使用约15,954个输出令牌，而Opus 4.8完成相同任务平均需要约67,020个令牌，差距超过四倍。结合其更低的每令牌定价和约每秒80个令牌的生成速度，这一效率是SpaceXAI最有力的论据。对于高负载的编码工作流而言，即使模型的原始输出质量稍逊一筹，运行Grok 4.5的总成本也可能比其标价所暗示的幅度更大地低于竞争对手。

SpaceXAI还透露，Grok 4.5是与Cursor合作训练的。Cursor是SpaceX正在以据报道600亿美元收购的AI编码平台，训练数据使用了调试追踪和真实的开发者会话数据，而不仅仅是静态代码库。

GPT-5.6：通过政府审查关卡

OpenAI的发布遵循了一条不同的、更具政治色彩的道路。应特朗普政府要求，在一项网络安全行政令要求前沿实验室在公开发布前将强大模型提交政府审查后，OpenAI于6月底将GPT-5.6的访问权限限制在少数经过审查的合作伙伴范围内。经过商务部AI标准与创新中心的额外测试后，OpenAI宣布将向全球开放访问权限。CEO山姆·奥特曼公开表示，公司认为将政府审查作为未来发布模型的一种长期可持续模式是不可行的。

GPT-5.6推出了三个层级：Sol、Terra和Luna，每百万输入/输出令牌的定价分别为5美元/30美元、2.50美元/15美元和1美元/6美元。OpenAI将Sol描述为其迄今为止最强大的模型，在编码、生物学和网络安全方面取得了显著进步，并配备了一种新的“超模式”，可以协调子智能体处理复杂任务。该公司自己的系统卡还披露，与GPT 5.5相比，Sol在思维链的可控性方面有所改进。