Grok 4.5 基准测试结果

Grok 4.5（高）是 SpaceXAI 于 2026 年 7 月发布的一款专有推理模型。根据独立评测机构 Artificial Analysis 的最新智能指数（Artificial Analysis Intelligence Index v4.1），该模型获得了 54 的高分，远超同类模型的平均得分 29，显示出其卓越的智能水平。该指数基于九项基准测试，包括 GDPval-AA v2、τ³-Banking、Terminal-Bench v2.1、SciCode、Humanity's Last Exam、GPQA Diamond、CritPt、AA-Omniscience 和 AA-LCR，涵盖代理任务、编码、科学推理、知识问答和长上下文推理等多个维度。

在性能方面，Grok 4.5 的输出速度达到每秒 86.7 个令牌，高于同类模型平均的 73 令牌/秒，属于较快水平。其价格设定为输入令牌每百万个 $2.00，输出令牌每百万个 $6.00。虽然输入价格略高于平均的 $1.50，但输出价格显著低于平均的 $8.40，使得整体评估成本控制在 $600.92。此外，该模型还提供了缓存命中价格，每百万令牌仅 $0.50，非常适合重复查询场景。

Grok 4.5 支持文本和图像输入，输出文本，并拥有高达 500k 令牌的上下文窗口，相当于约 750 页 A4 纸的内容量。作为推理模型，它会在回答前进行深入思考，并且存在非推理变体。在智能指数评估过程中，Grok 4.5 生成了 6000 万个输出令牌，相对简洁（平均为 7200 万）。与同类模型相比，它在智能和成本之间取得了较好的平衡，尤其适合需要复杂推理和长上下文的应用场景。

Artificial Analysis 的评测还提供了更详细的分解数据，包括各基准的具体得分、令牌使用情况、延迟指标等。例如，在 AA-Briefcase（代理知识工作）和 AA-Omniscience（知识可靠性）等新基准上，Grok 4.5 均表现出色。模型的权重未公开，属于专有模型，但定价合理，使其成为开发者和企业考虑高智能模型时的一个有竞争力的选择。