Ulasan Grok 4.5: Konteks 500K, 80 TPS dan Prestasi Coding Agent
Selepas Grok 4.5 dilancarkan, saya meneliti pengumuman serta dokumentasi pembangun xAI, kemudian membandingkannya dengan perbincangan awal di X dan Reddit.
Kesimpulan ringkasnya: Grok 4.5 bukan sekadar kemas kini kecil untuk model sembang. Ia ialah model utama xAI untuk coding, tugas agentik dan kerja berasaskan pengetahuan.
Namun, pembangun biasanya mahu jawapan kepada persoalan yang lebih praktikal:
- Bolehkah Grok 4.5 bersaing dengan Claude, GPT dan GLM pada repositori sebenar?
- Adakah kelajuan 80 TPS dan penggunaan token lebih rendah benar-benar membantu tugasan agent yang panjang?
- Sejauh mana tetingkap konteks 500K berguna untuk pangkalan kod besar?
- Adakah harga rasmi $2 bagi setiap sejuta token input dan $6 bagi setiap sejuta token output benar-benar kompetitif?
- Mengapa sesetengah pengguna melihat peningkatan besar, sedangkan yang lain mengadu tentang akses dan had penggunaan?
Ulasan ini memisahkan fakta produk yang boleh disahkan daripada tanggapan awal komuniti, serta menerangkan kedudukan Grok 4.5 dalam sistem berbilang model untuk penggunaan sebenar.
Keputusan ringkas: patut diuji, tetapi jangan bergantung pada benchmark sahaja
- Grok 4.5 dilancarkan pada 8 Julai 2026 dengan ID model
grok-4.5. - xAI meletakkannya sebagai model untuk coding, tugas agentik dan kerja pengetahuan.
- Ia menyokong tetingkap konteks 500K token dengan tarikh akhir pengetahuan pada 1 Februari 2026.
- xAI melaporkan kelajuan penyajian sekitar 80 token sesaat.
- Harga rasmi API ialah $2 bagi sejuta token input dan $6 bagi sejuta token output.
- Tahap penaakulan boleh ditetapkan kepada
low,mediumatauhigh, denganhighsebagai tetapan lalai. - Kegunaan yang paling menjanjikan termasuk kejuruteraan pada tahap repositori, tugasan terminal, aliran kerja agent yang panjang, fail pejabat dan kerja pengetahuan dengan arahan ketat.
Penilaian saya: Grok 4.5 wajar dimasukkan dalam senarai ujian bagi pasukan yang membina coding agent atau infrastruktur berbilang model. Namun, masih terlalu awal untuk mengisytiharkannya sebagai pemenang mutlak berdasarkan benchmark vendor sahaja.
Spesifikasi utama Grok 4.5
| Perkara | Grok 4.5 |
|---|---|
| ID model | grok-4.5 |
| Fokus utama | Coding, agent, kerja pengetahuan |
| Tetingkap konteks | 500K token |
| Kelajuan penyajian | Sekitar 80 TPS menurut xAI |
| Tahap penaakulan | low / medium / high |
| Harga rasmi input | $2 / 1M token |
| Harga rasmi output | $6 / 1M token |
| Tarikh akhir pengetahuan | 1 Februari 2026 |
| Maklumat masa nyata | Memerlukan alat Web Search atau X Search |
Hala tuju produk ini lebih jelas apabila semua spesifikasi tersebut dinilai bersama. Konteks besar boleh memuatkan repositori dan dokumen sokongan, daya pemprosesan tinggi mengurangkan masa menunggu, manakala kecekapan token berpotensi menurunkan kos pelaksanaan berbilang langkah.
Gabungan ini dibina untuk aliran kerja agent, bukan sekadar perbandingan sembang pendek.
Prestasi coding: skor tinggi dengan satu peringatan penting
xAI menerbitkan keputusan untuk DeepSWE, SWE Marathon, Terminal Bench 2.1 dan SWE Bench Pro. Antara skor yang mewakili prestasinya ialah:
- 29.0% pada SWE Marathon
- 83.3% pada Terminal Bench 2.1
- 64.7% pada SWE Bench Pro
- 62.0% pada DeepSWE 1.0
Benchmark ini sepadan dengan beban kerja yang disasarkan: memahami repositori sebenar, menggunakan terminal, mengubah berbilang fail, menjalankan ujian dan mengekalkan matlamat sepanjang rantaian pelaksanaan yang panjang.
Terdapat satu batasan yang perlu diberi perhatian. Cursor mendedahkan bahawa snapshot lama pangkalan kodnya secara tidak sengaja dimasukkan dalam data latihan Grok 4.5, lalu memberi kelebihan pada CursorBench. Kesan tepatnya tidak dapat dipastikan dan pendedahan itu tidak membatalkan semua benchmark lain, tetapi ia mengukuhkan satu prinsip:
Uji Grok 4.5 menggunakan repositori, ujian dan kekangan kos anda sendiri sebelum membuat keputusan penggunaan.
Mengapa 80 TPS mungkin lebih penting daripada kedudukan benchmark
Untuk jawapan pendek, 80 TPS hanya terasa pantas. Bagi agent, kelebihan itu terkumpul sepanjang puluhan langkah: membaca fail, memanggil alat, menyunting kod, menjalankan ujian, menyemak kegagalan dan mencuba semula.
Pengurangan latensi kecil pada setiap langkah boleh menjimatkan beberapa minit untuk keseluruhan tugasan.
xAI turut melaporkan bahawa Grok 4.5 menggunakan purata 15,954 token output bagi setiap tugasan SWE Bench Pro dalam perbandingannya, berbanding 67,020 untuk Opus 4.8 max, iaitu kira-kira 4.2 kali lebih sedikit token output.
Ini ialah perbandingan yang disediakan vendor dan tidak patut digeneralisasikan kepada semua beban kerja. Namun, ia menunjukkan metrik kos yang lebih berguna. Pasukan sepatutnya membandingkan:
- jumlah token bagi setiap tugasan yang berjaya disiapkan
- masa sebenar sehingga selesai
- bilangan percubaan semula
- kadar lulus ujian
- masa semakan dan pembaikan manusia
Token yang paling murah tidak semestinya menghasilkan tugasan siap dengan kos paling rendah.
Apakah kegunaan konteks 500K token?
Lima ratus ribu token mencukupi untuk banyak aliran kerja kejuruteraan dan pengetahuan yang besar, termasuk:
- analisis merentas modul dalam repositori sederhana dan besar
- semakan gabungan pull request, isu, log dan dokumentasi teknikal
- kontrak, koleksi penyelidikan dan pangkalan pengetahuan perusahaan
- agent jangka panjang yang menyimpan sejarah pelaksanaan
- aliran kerja berbilang fail Word, Excel dan PowerPoint
Tetingkap besar tidak menjamin ingatan sempurna pada setiap kedudukan dan bukan alasan untuk memasukkan seluruh repositori ke dalam setiap permintaan. Kaedah yang lebih baik ialah membina peta kebergantungan, mendapatkan fail yang relevan, menyimpan ringkasan keputusan yang padat dan membuat checkpoint antara fasa tugasan panjang.
Apa yang diperkatakan pengguna Reddit tentang Grok 4.5?
Reaksi awal di Reddit bercampur-campur, dan itulah yang menjadikannya lebih berguna daripada pengumuman pelancaran semata-mata.
Maklum balas positif tertumpu pada tiga perkara. Pertama, pengguna melaporkan prestasi lebih baik apabila arahan kompleks atau premisnya kabur. Kedua, pembangun kerap memuji kelajuannya apabila dibandingkan dengan Sonnet, Opus, GPT dan GLM. Ketiga, beberapa pengguna melihat perbezaan ketara antara pengalaman API atau Grok Build dengan aplikasi pengguna yang kurang telus tentang versi model.
Maklum balas negatif juga konsisten. Pengguna mengadu bahawa akses awal mengelirukan antara aplikasi web, aplikasi mudah alih, Heavy, Expert, Grok Build dan API. Meminta model menyatakan versinya sendiri juga tidak boleh dianggap sebagai bukti kerana model mungkin membuat tekaan berdasarkan kandungan web.
Had penggunaan turut menjadi isu. Seorang pengguna melaporkan tugasan Grok Build terhenti sekitar 105K daripada kemungkinan konteks 500K token selepas tempoh yang singkat. Pengguna lain mempersoalkan had mingguan kerana ia menyukarkan perancangan projek panjang.
Kesimpulan praktikalnya: keupayaan model dan pengalaman produk ialah dua lapisan yang berbeza. Model yang hebat masih boleh memberi pengalaman lemah jika had, routing dan pemulihan tugasan tidak jelas.
Apa yang ditambah oleh perbincangan di X?
Perbincangan di X banyak menumpukan kerjasama Cursor, demo aplikasi dengan satu prompt, persaingan model dan kadar pelancaran xAI yang pantas.
Topik tersebut berguna untuk penemuan awal, tetapi pasukan yang mahu menggunakan model dalam produksi perlu menilai metrik yang lebih praktikal:
- kestabilan versi dan alias model tetap
- latensi serta kadar ralat pada waktu puncak
- penggunaan token untuk tugasan panjang
- kadar kejayaan panggilan alat
- perbezaan kualiti antara tahap penaakulan
Apabila model menjadi sebahagian daripada perkhidmatan pelanggan, ukuran ini lebih bernilai daripada demo yang tular.
Adakah harga Grok 4.5 API kompetitif?
Pada harga senarai $2 bagi sejuta token input dan $6 bagi sejuta token output, Grok 4.5 kelihatan kompetitif untuk model coding kelas hadapan. Namun, kos akhir merangkumi sekurang-kurangnya empat lapisan: input konteks panjang yang dihantar semula, output penaakulan dan kod, kadar kejayaan tugasan serta kos operasi platform.
Jika pasukan anda menguji Grok bersama GPT, Claude, GLM, DeepSeek dan model lain, platform API model bersatu seperti llm-agent boleh memudahkan perbandingan. Satu kunci API, corak permintaan yang konsisten, penjejakan penggunaan dan pertukaran model mengurangkan kerja operasi ketika menilai penyedia baharu.
Semak harga dan ketersediaan model, beli token API dan tutorial integrasi API. Ketersediaan Grok 4.5, sokongan wilayah dan harga platform semasa hendaklah sentiasa disahkan pada halaman harga langsung.
Siapa yang patut menguji Grok 4.5?
Grok 4.5 amat relevan untuk:
- pasukan kejuruteraan yang menggunakan agent pada repositori sederhana atau besar
- pembangun bebas yang membina prototaip dan aplikasi lengkap
- pekerja pengetahuan yang menghasilkan spreadsheet, dokumen dan pembentangan kompleks
- gateway model yang mahu mengurangkan pergantungan pada satu penyedia
- perniagaan yang membandingkan kos setiap tugasan bagi Claude, GPT, Grok dan model coding China
Ia kurang sesuai untuk migrasi segera tanpa ujian apabila konsistensi output sangat kritikal, bagi pengguna yang tidak dapat mengesahkan model sebenar di sebalik antara muka langganan, atau untuk projek yang memerlukan ketersediaan EU serta jaminan pematuhan tertentu dengan segera.
Penilaian akhir
Aspek paling menarik tentang Grok 4.5 bukan satu skor benchmark. Nilainya terletak pada gabungan keupayaan kejuruteraan kelas utama, kelajuan seperti model pantas dan usaha mengurangkan jumlah token yang diperlukan untuk menyiapkan tugasan.
Data rasmi dan laporan awal komuniti sama-sama menunjukkan peningkatan bermakna untuk arahan kompleks, kerja terminal, rantaian pelaksanaan panjang dan aliran kerja pengetahuan.
Masih ada sebab untuk berhati-hati: akses pelancaran yang mengelirukan, had langganan yang sukar dijangka, batasan data latihan CursorBench yang telah didedahkan dan bukti awam yang masih terhad daripada projek produksi jangka panjang.
Keputusan yang jujur ialah: jika anda membina produk coding atau agent, uji Grok 4.5 sekarang pada kerja sebenar. Jika anda mahu melakukan migrasi penuh hanya berdasarkan benchmark pelancaran, tunggu hasil penilaian dalaman anda sendiri.
Soalan lazim tentang Grok 4.5
Bilakah Grok 4.5 dilancarkan?
Grok 4.5 dilancarkan secara rasmi pada 8 Julai 2026 dan tersedia melalui xAI API, Grok Build serta laluan akses berkaitan Cursor.
Berapakah saiz tetingkap konteks Grok 4.5?
Dokumentasi model xAI menyenaraikan tetingkap konteks 500K token.
Berapakah harga Grok 4.5 API?
Harga rasmi standard ialah $2 bagi sejuta token input dan $6 bagi sejuta token output. Platform pihak ketiga dan API bersatu mungkin menggunakan harga berbeza, jadi semak harga langsung sebelum membeli.
Adakah Grok 4.5 bagus untuk coding?
Coding dan tugas agentik ialah fokus utamanya. Benchmark serta laporan pengguna awal menunjukkan ia paling berguna untuk kerja repositori, operasi terminal dan pembangunan berbilang langkah, bukan sekadar menghasilkan snippet kod pendek.
Bolehkah Grok 4.5 mencari maklumat di X dan web secara langsung?
Ya, apabila alat Web Search atau X Search diaktifkan. Tarikh akhir pengetahuan dalaman model ialah 1 Februari 2026.
Adakah Grok 4.5 lebih baik daripada Claude, GPT atau GLM?
Tiada satu model yang menang untuk semua beban kerja. Grok 4.5 menarik dari segi kelajuan, coding, pelaksanaan agent dan harga senarai, manakala pesaing mungkin lebih baik untuk repositori, reka bentuk, ekosistem atau kestabilan jangka panjang tertentu. Bandingkan kadar kejayaan, jumlah token, masa dan percubaan semula pada benchmark peribadi yang sama.