Grok 4.5 評測：500K 上下文、80 TPS，Coding 與 AI Agent 表現如何？
Grok 4.5 發布後，我先讀完 xAI 的官方公告與開發者文件，再對照 X 和 Reddit 上的首批討論。
先講結論：這不是一次普通聊天模型的小幅更新，而是 xAI 明確鎖定 Coding、Agentic Tasks 與知識工作的旗艦模型。
開發者真正關心的，是更實際的問題：
- Grok 4.5 在真實程式碼庫中，能否與 Claude、GPT、GLM 正面競爭？
- 官方所稱的 80 TPS 與較低 Token 消耗，對長時間 Agent 任務是否真的有幫助？
- 500K 上下文視窗是否適合大型專案？
- 官方 API 輸入每百萬 Token 2 美元、輸出 6 美元，是否有競爭力？
- 為什麼有人認為它進步明顯，也有人抱怨入口與使用限額？
本文會分開處理官方可驗證資訊與早期社群觀察，並分析 Grok 4.5 在多模型生產環境中的適合位置。
快速結論：值得納入測試，但不要只看排行榜
- Grok 4.5 於 2026 年 7 月 8 日發布，模型 ID 為
grok-4.5。 - xAI 將它定位於 Coding、Agentic Tasks 與 Knowledge Work。
- 支援 500K Token 上下文視窗，知識截止日期為 2026 年 2 月 1 日。
- xAI 公布的服務速度約為 每秒 80 Token。
- 官方 API 價格為輸入 2 美元／百萬 Token、輸出 6 美元／百萬 Token。
- 推理強度可設定為
low、medium、high，預設為high。 - 最值得測試的場景包括程式碼庫級工程、終端機任務、長鏈路 Agent、辦公文件與高限制知識工作。
我的判斷是：**只要團隊正在開發 Coding Agent 或多模型基礎設施，Grok 4.5 都應該進入評測名單。**但現階段仍不適合只憑廠商 benchmark 就宣布它全面勝出。
Grok 4.5 核心規格
| 項目 | Grok 4.5 |
|---|---|
| 模型 ID | grok-4.5 |
| 主要定位 | Coding、Agent、知識工作 |
| 上下文視窗 | 500K Token |
| 服務速度 | xAI 公布約 80 TPS |
| 推理強度 | low / medium / high |
| 官方輸入價格 | $2 / 1M Token |
| 官方輸出價格 | $6 / 1M Token |
| 知識截止日期 | 2026-02-01 |
| 即時資訊 | 需啟用 Web Search 或 X Search 工具 |
把這些規格放在一起看，產品方向就很清楚：大上下文負責容納程式碼庫與參考文件，高吞吐量縮短等待時間，Token 效率則控制多步驟執行的成本。
這套組合是為 Agent 工作流程而設計，不只是為了短對話排名。
Coding 表現：官方成績很強，但有重要但書
xAI 公布了 DeepSWE、SWE Marathon、Terminal Bench 2.1 與 SWE Bench Pro 等工程 benchmark，代表性成績包括：
SWE Marathon：29.0%Terminal Bench 2.1：83.3%SWE Bench Pro：64.7%DeepSWE 1.0：62.0%
這些測試與模型的目標工作負載一致：理解真實程式碼庫、操作終端機、修改多個檔案、執行測試，並在長執行鏈中維持任務目標。
但開發者不能忽略一項限制。Cursor 曾披露，其較早版本的程式碼庫快照意外出現在 Grok 4.5 的訓練資料中，可能讓模型在 CursorBench 上取得優勢。具體影響無法確定，也不代表其他 benchmark 全部失效；但它再次說明：
應該用自己的程式碼庫、測試與成本條件評估 Grok 4.5，而不是把排行榜直接當成部署決策。
為什麼 80 TPS 可能比多贏一個 benchmark 更重要？
對短回答而言，80 TPS 只是讓畫面看起來更流暢；對 Agent 而言，速度優勢會在數十個步驟中累積，包括讀檔、呼叫工具、修改程式碼、執行測試、分析失敗再重試。
每一步少一點延遲，完整任務就可能少等好幾分鐘。
xAI 也表示，Grok 4.5 在其 SWE Bench Pro 比較中，每個任務平均輸出 15,954 Token；Opus 4.8 max 則為 67,020 Token，約少 4.2 倍。
這是廠商提供的比較，不能直接套用到所有工作負載，但它指出了正確的成本評估方式。團隊應比較：
- 每個已完成任務的總 Token 數
- 實際完成時間
- 重試次數
- 測試通過率
- 人工檢查與修復時間
最便宜的 Token，不一定能帶來最便宜的已完成任務。
500K 上下文視窗可以做什麼？
50 萬 Token 足以支援許多大型工程與知識工作，包括：
- 中大型程式碼庫的跨模組分析
- 同時檢查 PR、Issue、Log 與技術文件
- 長合約、研究資料庫與企業知識庫整理
- 保留執行歷史的長時間 Agent 任務
- 多份 Word、Excel 與 PowerPoint 文件工作流程
大視窗不代表每個位置都有完美記憶，也不代表每次都該把整個 repository 全部塞進 Prompt。更可靠的方法仍是先建立依賴地圖、檢索相關檔案、保存精簡的決策摘要，並為長任務設定階段性檢查點。
Reddit 使用者怎麼看 Grok 4.5？
早期 Reddit 評價有好有壞，反而比單一方向的發布稿更有參考價值。
正面回饋主要集中在三點。第一，複雜指令下的表現更穩定，有討論認為 Grok 4.5 面對模糊前提與高要求寫作任務時，不會急著給出表面答案。
第二，開發者經常提到速度。在比較 Grok、Sonnet、Opus、GPT 與 GLM 的社群中，吞吐量與每個完成任務的潛在成本是最吸引人的特點之一。
第三，多位使用者認為 API 或 Grok Build 的體驗，與不透明的消費者 App 有明顯差異。若介面無法清楚顯示模型版本，就很難確認測試的究竟是不是 Grok 4.5。
負面意見也很一致。發布初期，Web、Mobile、Heavy、Expert、Grok Build 與 API 的入口令人困惑；要求模型自報版本也不可靠，因為它可能只是根據網路內容推測。
使用限額則是另一個爭議來源。一位使用者表示，Grok Build 任務僅使用約 105K／500K 上下文，就在短時間內停止；也有人認為每週限額讓長專案難以預估。
實際結論是：**模型能力與產品體驗是兩個不同層次。**即使模型很強，只要限額、路由與任務恢復機制不透明，整體使用體驗仍可能不理想。
X 上的討論帶來哪些補充？
X 上的討論主要圍繞 Cursor 合作、單一 Prompt 應用展示、模型競爭與 xAI 的快速發布節奏。
這些內容適合用來發現新功能，但生產環境使用者更應追蹤：
- 固定模型 alias 與版本穩定性
- 尖峰時段延遲與錯誤率
- 長任務的 Token 消耗
- 工具呼叫成功率
- 不同 reasoning effort 的品質差異
當模型要進入客戶服務時，這些數據比熱門 Demo 更有價值。
Grok 4.5 API 價格有競爭力嗎？
以輸入每百萬 Token 2 美元、輸出 6 美元的官方定價來看，Grok 4.5 作為前沿 Coding 模型具有競爭力。但最終成本至少還包括重複的長上下文輸入、推理與程式碼輸出、任務成功率，以及平台管理成本。
如果團隊需要同時比較 Grok、GPT、Claude、GLM、DeepSeek 等模型，使用 llm-agent 這類統一模型 API 平台，可以簡化 API Key、請求格式、用量追蹤與模型切換。
可查看模型即時價格與供應狀態、購買 API Token與串接教學。模型是否可用、區域支援與平台價格，請一律以即時頁面為準。
哪些人適合測試 Grok 4.5？
Grok 4.5 特別適合：
- 使用 Agent 維護中大型程式碼庫的工程團隊
- 建立完整原型與應用程式的獨立開發者
- 製作複雜試算表、文件與簡報的知識工作者
- 希望降低單一供應商依賴的模型閘道平台
- 比較 Claude、GPT、Grok 與中國 Coding 模型任務成本的企業
若生產系統對輸出一致性要求極高卻尚未完成回歸測試、無法確認訂閱介面背後的實際模型，或專案需要立即符合特定區域與法規保證，就不適合直接全面切換。
最終評價
Grok 4.5 最有意思的地方，不是某一項 benchmark，而是旗艦級工程能力、快速模型的吞吐量，以及降低完成任務所需 Token 的產品方向。
官方資料與早期社群回饋都顯示，它在複雜指令、終端機工作、長執行鏈與知識工作上有實質進步。
但目前仍有需要觀察的部分：發布入口混亂、訂閱限額難以預測、CursorBench 訓練資料的披露，以及長時間生產專案的公開證據仍有限。
因此最務實的結論是：如果你正在開發 Coding 或 Agent 產品，現在就用真實任務測試 Grok 4.5；如果只因發布 benchmark 就考慮全面遷移，應先等自己的評測結果。
常見問題 FAQ
Grok 4.5 何時發布？
Grok 4.5 於 2026 年 7 月 8 日正式發布，並透過 xAI API、Grok Build 與 Cursor 相關入口提供。
Grok 4.5 的上下文視窗有多大？
xAI 模型文件列出的上限為 500K Token。
Grok 4.5 API 價格是多少？
官方標準價格為輸入 2 美元／百萬 Token、輸出 6 美元／百萬 Token。第三方或統一 API 平台可能採用不同價格，請查看即時定價。
Grok 4.5 適合寫程式嗎？
適合。Coding 與 Agentic Tasks 是它的核心定位；benchmark 與早期使用者回饋顯示，它更適合程式碼庫、終端機操作與多步驟開發，而不只是生成短程式碼片段。
Grok 4.5 可以搜尋 X 與即時網頁嗎？
可以，但必須啟用 Web Search 或 X Search 工具。模型內部知識截止日期為 2026 年 2 月 1 日。
Grok 4.5 比 Claude、GPT 或 GLM 更強嗎？
沒有任何模型能在所有工作負載中勝出。Grok 4.5 的速度、Coding、Agent 執行與官方定價具有吸引力，但競爭模型可能在特定專案、設計任務、生態或長時間穩定性上領先。最可靠的方法，是用相同的私有測試比較成功率、總 Token、時間與重試次數。