GPT-5.6 确认明天发布，今天大概是大家最后一次为一个 GPT-5.5 级别的模型发布感到兴奋了——SpaceXAI 正好抓住了这个时间窗口，正式推出了 Grok 4.5。
CursorWe've partnered with SpaceXAI to train Grok 4.5. It’s our most powerful model yet and the first we've built for more than software engineering. 5:57 PM · Jul 8, 2026 · 3.24M Views 605 Replies · 1.26K Reposts · 14.4K Likes
新的 Grok 4.5 与 Composer 系列（1.5T 参数）不是一个重量级。尽管基准测试的成绩看起来中规中矩，但它在实际表现上与当前的主力 Opus 和 GPT 相当。不过 OpenAI 的评估团队也指出，连 SWE-Bench Pro 这样的标杆都已经饱和甚至存在根本缺陷了，后续大概只剩 FrontierCode 等少数几个新测试可以指望。
至于训练和数据披露，我们目前掌握的信息就这么多。
AI Twitter Recap
本期 Recap 覆盖 2026 年 7 月 7 日至 8 日的信息，来源包括 12 个子版块和 544 条推文。
头条故事：Grok 4.5 发布
发生了什么
xAI（即 SpaceXAI）正式发布了 Grok 4.5，这是一款专注于编程和智能体的前沿模型，定位在“能力与成本之比”而非绝对基准分数上。
- 马斯克最早在测试版反馈良好后表示，Grok 4.5 将于“明天”公开，并称其为“Opus 级别”，但更快、更省 token、成本更低。
- 随后马斯克内部将其描述为“大致与 Opus 4.7 相当，但快得多”，强调对 Tesla 和 SpaceX 工程师的实际价值，而不是盲目追逐基准。
- xAI 官方账号将 Grok 4.5 定义为“首个专为编程和智能体训练的基础模型”，并提到与 Cursor 合作训练，提供“前沿智能，领先速度与成本效率”。
- Cursor 也表示与 xAI 合作训练了 Grok 4.5，称其为“我们迄今为止最强大的模型”，并强调这是“首个超出软件工程领域的模型”。同时宣布在 Cursor 内可用，首周双倍用量。
- Cursor 澄清 Grok 4.5 与 Composer 系列属于不同重量级，Composer 2.5 将继续保留，未来也会推出该小尺寸系列的新模型。
- 生态系统支持立刻跟进：Grok 4.5 在 Grok Build、API、Cursor 中可用，Hermes Agent 也宣布了首日支持，随后确认在 Hermes Agent、Portal、OpenRouter、Grok 订阅中上线。
- 马斯克表示上下文窗口很可能从 500k 恢复到 1M，“下周内”就会更新。
官方说法与产品细节
定位
官方传达的信息非常明确：并非追求“最强模型”，而是靠近 Opus 质量的同时，在性价比和速度上做出显著优势。具体来说：
- “Opus 级模型，但更快、更省 token、成本更低”
- “首个专为编程和智能体训练的基础模型”
- “前沿智能，领先速度与成本效率”
- “最强模型，且首个超出软件工程领域”
这个定位意味深长：xAI 显然在瞄准近段时间由 Anthropic、OpenAI 和 Cursor 式工具使用系统主导的编程智能体工作流市场，而不仅仅是通用对话。
定价与上下文
具体的数字如下：
- 官方定价：$2 / 1M 输入 token，$6 / 1M 输出 token
- 人工智能分析平台重复了同样的价格，并补充：
- 缓存命中折扣 75%，降至 $0.5 / 1M token
- 超过 200k token 的长输入，收费加倍
- 500k 上下文窗口，相比 Grok 4.3 的 1M 有所下降
- 保留视觉输入
- 保留可配置推理 - 马斯克随后表示上下文窗口很快会升级回 1M。
用户引用的相对价格对比：
- Grok 4.5：$2 输入 / $6 输出
- GPT-5.6：$5 输入 / $30 输出
- Opus 4.8：$5 输入 / $25 输出
模型规模
一个关键规格通过第三方报道浮出水面：
- Grok 4.5 参数规模为 1.5T，是 Grok 4.3 的 3 倍。
这个跳跃幅度相当惊人，很可能就是多位观察者将其解读为 xAI 真正进入旗舰级编程智能体梯队的核心原因，而非一次迭代更新。
基准测试与独立评估
人工智能分析
人工智能分析平台提供了本次推文中最实质性的外部评估。
关键结果：
- 人工智能分析智能指数排名第 4，得分 54，仅次于 Fable 5、GPT-5.5 和 Opus 4.8
- 比 Grok 4.3 在同一指数上提升了 +16 分
- GDPval-AA v2 Elo 1543，同样排名 第 4，落后于 Anthropic 最新的 Claude 版本
- τ³-Banking 最高分：33%，超过 GPT-5.5 (xhigh) 的 31%
- 人工智能分析编程智能体指数得分为 76（在 Grok Build 环境下），“与 Codex 中的 GPT-5.5 相当”，低于 Claude Code 中的 Fable 5
- 每个智能指数任务的成本：$0.31
- 每个 GDPval 任务的成本：$0.49
- 每个编程智能体指数任务的成本：$2.59
- 每个智能指数任务的平均输出 token 约 ~14k，比 Opus 4.8 低 60% 以上
- 每个编程智能体指数任务的平均总 token 数：1.9M，而 Claude Code 中 Fable 5 为 7.2M，Codex 中 GPT-5.5 为 6.2M
人工智能分析的解读很直白：Grok 4.5 在能力上接近前沿，但在效率上异常突出，因此在成本/性能的帕累托前沿上占据了一个位置。马斯克本人也特意转发了这个评估。