Grok 4.5 基準測試結果

Grok 4.5（高）是 SpaceXAI 於 2026 年 7 月發佈的一款專有推理模型。根據獨立評測機構 Artificial Analysis 的最新智能指數（Artificial Analysis Intelligence Index v4.1），該模型獲得了 54 的高分，遠超同類模型的平均得分 29，顯示出其卓越的智能水平。該指數基於九項基準測試，包括 GDPval-AA v2、τ³-Banking、Terminal-Bench v2.1、SciCode、Humanity's Last Exam、GPQA Diamond、CritPt、AA-Omniscience 和 AA-LCR，涵蓋代理任務、編碼、科學推理、知識問答和長上下文推理等多個維度。

在性能方面，Grok 4.5 的輸出速度達到每秒 86.7 個令牌，高於同類模型平均的 73 令牌/秒，屬於較快水平。其價格設定為輸入令牌每百萬個 $2.00，輸出令牌每百萬個 $6.00。雖然輸入價格略高於平均的 $1.50，但輸出價格顯著低於平均的 $8.40，使得整體評估成本控制在 $600.92。此外，該模型還提供了緩存命中價格，每百萬令牌僅 $0.50，非常適合重複查詢場景。

Grok 4.5 支持文本和圖像輸入，輸出文本，並擁有高達 500k 令牌的上下文窗口，相當於約 750 頁 A4 紙的內容量。作為推理模型，它會在回答前進行深入思考，並且存在非推理變體。在智能指數評估過程中，Grok 4.5 生成了 6000 萬個輸出令牌，相對簡潔（平均為 7200 萬）。與同類模型相比，它在智能和成本之間取得了較好的平衡，尤其適合需要複雜推理和長上下文的應用場景。

Artificial Analysis 的評測還提供了更詳細的分解數據，包括各基準的具體得分、令牌使用情況、延遲指標等。例如，在 AA-Briefcase（代理知識工作）和 AA-Omniscience（知識可靠性）等新基準上，Grok 4.5 均表現出色。模型的權重未公開，屬於專有模型，但定價合理，使其成為開發者和企業考慮高智能模型時的一個有競爭力的選擇。