用Grok 4.5 连写了 7 个小项目，发现它最大的优势不是代码

7 月 8 日，xAI 发布了 Grok 4.5。马斯克给的定位很直白，「Opus 级别，但更快，更便宜」。

这句话翻译成人话就是，编程能力追平第一梯队，但价格砍到竞品的几分之一。

我们用纯 Grok 4.5 跑了 7 个编程任务，从 Markdown 预览器到粒子特效手势交互，覆盖前端、Python、数据可视化、产品复刻、计算机视觉五个维度。结论先说，便宜是真便宜，快是真快，但在需要「审美判断」和「创意上限」的场景里，跟顶尖模型还有肉眼可见的差距。

Grok 4.5 是什么

在进入实测之前，先把参数摆出来。

• 1.5 万亿参数，MoE 混合专家架构，V9 基础模型

• 500K 上下文窗口（下周升级至 100 万）

• 推理速度最高约 80 TPS

• 支持文本 + 图像输入，可调节 reasoning_effort

• 训练硬件为数万张 NVIDIA GB300 GPU

定价：Grok 4.5 的输出价格只有竞品的 1/4 到 1/5。

但比定价更值得说的是它的训练数据。

xAI 今年以 600 亿美元收购了 Cursor，这笔交易给 Grok 4.5 带来了一个竞品没有的东西，数万亿条真实开发者交互 Token。不是公开代码仓库的静态快照，而是开发者在 IDE 里怎么改 bug、怎么重构、怎么调试的完整行为链。模型学的不仅是代码长什么样，更是代码是怎么被写出来的。

这个差异在后面的实测里会反复体现出来。

从数据来看编程能力在第一梯队，但不是第一。真正拉开差距的是效率，SWE-Bench Pro 单任务平均输出 15,954 tokens，Opus 4.8 需要 67,020 个。说人话就是，Grok 4.5 用 1/4 的废话干完了同样的活。

实测：7 个任务，从简单到离谱

Benchmark 是实验室成绩，实际用得怎么样才是真问题。我们在 Cursor 里接了 Grok 4.5 基础版，纯单模型，不设对照。每个任务一次性提交 prompt，记录第一轮结果。

基础三连：预览器、趋势图、贪吃蛇

L1：Markdown 实时预览器

Prompt 很简单，左边编辑区，右边实时渲染，支持 GFM 语法，单文件实现。

第一版代码半分钟就出来了，这个速度说实话有点吓人，像是刚按下回车它就吐完了。但打开一看，有两个 bug，初始状态不渲染，需要手动清空编辑区才能用，代码块语法高亮完全失效。

看起来是 marked.js 的初始化时机没处理好，追加了一句「帮我分析问题并修复」，第二轮就全部正常了。标题、列表、代码高亮、链接、表格、图片、引用块、任务列表，八种元素逐个过了遍，全部通过。

这个开局给人的第一印象是，生成快得离谱，但首轮质量不如 Claude 稳，不过它能读懂自己的 bug，修起来也快。

L2：数据可视化趋势图

用 Chart.js CDN 画三条 SWE-bench 通过率曲线，GPT-5、Claude Opus、Grok 系列，2026 年 1 到 7 月的走势。

第一轮直接通过，0 bug，但重点不在「能用」，而在于它做了我没要求的事，卡片加了暗色背景光晕，图例可以点击切换系列（显示/隐藏某条曲线）。这是一个非常具体的交互细节，提示词里没提，属于它自己的审美判断。

数据点 7 个，都是准确的，图例正常。tooltip 悬停正常，CDN 引用有效。

这张图的审美我给 4.5 分，在「科技感」这个模糊要求下，Grok 4.5 的理解是到位的。

L3：贪吃蛇游戏

经典项目，没什么花样可玩。方向键、吃食物、撞墙死、撞自己死、重新开始，五个功能全部第一轮通过。

方向键响应流畅，碰撞检测准确，重新开始分数归零。唯一的感觉是 UI 中规中矩，「稍微有点设计感」的要求它理解为「深色背景 + 绿色蛇 + 圆角按钮」，没有多做。

可玩性给 4 分，功能全但不出彩。这种经典游戏跑通是及格线，Grok 4.5 在这个层级是够用的。

工程三连：爬虫、导航站、ChatGPT 复刻

L4：Hacker News 热门内容抓取与分析

Python 脚本，requests + BeautifulSoup，抓 HN 首页前 30 条，按热度排 Top 10，生成热点摘要，输出 Markdown 文件。后面还追加了一个要求，把结果做成交互式 dashboard 站点。

第一轮全部通过，抓取 30 条，数据完整，排序准确，异常处理的逻辑也完整。

代码工程化程度给 4 分，这个场景下 Grok 4.5 的表现像一个熟练的 Python 工程师，该有的都有，不该少的没少。

L5：AI 工具导航站

中大型单页应用，5 个分类、至少 20 个真实 AI 工具、搜索过滤、响应式布局，要求一箩筐，全部塞进一个 HTML 文件。

第一轮通过，实际生成了 29 个工具，5 个分类不少。搜索实时过滤正常，手机上卡片重排合理，抽查了 5 个链接，都是真实 URL，没有幻觉编造。

功能层面可以说出色，但审美上有短板，卡片图标就是文字的首字母缩略，没有设计感。「品质感」这个要求在这个维度上没兑现，功能给 4.5 分，视觉给 3 分。

L6：复刻 ChatGPT 对话界面

这是 7 个任务中工程复杂度最高的，左侧对话列表、右侧气泡对话、AI 打字机动画、Enter 发送、新建对话，一个完整的聊天 UI。

第一轮全部通过，还原度大概有 80%。打字动画速度适中，输入交互跟真正的 ChatGPT 体感接近，多轮对话切换正常。

有一个细节值得说，Grok 4.5 没有直接用单调的逐字输出，而是加了随机的打字间隔微调，这种对「自然感」的理解，在模型里不算常见。但界面配色和字体间距跟真正的 ChatGPT 还是有差异，少了那种「精致到像素」的打磨感。

创意编程：粒子特效 + 手势识别

L7：摄像头手势控制粒子系统

这是最「炫」的一项，摄像头实时画面作背景，Canvas 叠加 500+ 粒子，MediaPipe Hands 识别手势，手掌张开粒子爆炸、握拳粒子汇聚、手指移动粒子拖尾，赛博朋克风。

MediaPipe CDN 加载成功，摄像头正常调用，三种手势全部能识别，帧率没有明显卡顿，手势延迟几乎感觉不到。

但视觉效果比预期差了一截，粒子颜色过于单一，爆炸扩散的物理感不够，拖尾光带看起来更像一串点而不是连续的光。跟年初用 Gemini 做类似效果时那种惊艳感相比，Grok 4.5 的粒子特效显得有点朴素。

不确定是不是 prompt 不够精细，但同样模糊的「科幻/赛博朋克感」要求，L2 的趋势图做到了，L7 没做到，创意编程场景下，Grok 4.5 的上限还是有天花板。

便宜，是它最重要的功能

回到文章开头那句话，「Opus 级别，但更快，更便宜」。

实测下来，前半句需要加限定词，在基础到中等的编程任务上，Grok 4.5 确实接近 Opus 水平。但在需要审美判断、UI 打磨、创意表达的场景里，差距还存在。

但后半句没得黑，如果你每天高频使用 AI 写代码，grok和Opus价差一个月能省出几杯咖啡到一张机票。

xAI 的策略很清楚，不在所有基准上争第一，而是在「开发者真的会每天用」的任务上做到足够好 + 足够便宜。600 亿收购 Cursor 的逻辑也在这里，训练数据不是静态代码，而是真实开发行为，目标是让模型理解「怎么写代码」而不只是「代码长什么样」。

这条路能不能走通，现在下结论还太早。但有一件事是确定的：当编程模型的定价从$25被拉到25被拉到$6，整个市场的价格锚点已经被动摇了。Claude 和 GPT 会不会跟？如果跟了，开发者的钱包是最直接的受益者。

Grok 4.5 还没有强到让你换掉主力模型，但如果你的工作流里有一部分高频、中等难度的编码任务，它可能是目前性价比较高的选择。

文章来自于微信公众号 "毒AI"，作者 "高晓阳"。