眼看 GPT 5.6 就要发布啦老马强插 Grok 4.5还贴脸 Opus 4.8我都看得按捺不住了边路的 Grok现在这么强么我好奇心炸裂了必须上手摸一下国外的模型我也可以放心吐槽能写爽一些。另外各大厂商 0.1 的挤牙膏Grok直接干到4.5 版本也算是个大版本了必须测一测1、描述和基准上手之前先看看基本资料看看官方是怎么描述的今天我们发布了Grok 4.5这是 SpaceXAI 迄今为止最智能的模型专为出色完成编码、智能任务和知识工作而打造。它是我们迄今为止最强大的模型并与Cursor一起进行了训练。这是整个稿子的第一段内容。专为出色完成编码、智能任务和知识工作而打造。这句话我已经听出老茧了。国内外的新模型发布都是这么说的。GLM 5.2Doubao 2.1ProHY3 几乎都是这个说辞文字描述总是有点抽象下面来看看基准数据吧总共列出了 5 项基准其中确实有三项超过了 Opus 4.8这三项中就有 Terminal Bench 2.1。而 SWE Bench Pro 这个基准上还不敌 Opus 4.8差了 5 个点左右差距还是有点大的。Terminal-Bench 2.1 是终端环境任务基准主要是看 Agent 会不会用命令行干复杂活。SWE-Bench Pro 是专业软件工程任务基准主要是看 Coding Agent 会不会在真实项目里修复杂问题。SBP 这个基准的纪录一直由Claude 保持而且遥遥领先OpenAI 最近心态有点崩开始发文章质疑这个基准有问题2、一句话构建第二部分叫 “一句话构建”举的例子是用 Three.js 构建 3D 太阳系Make a beautiful simulation of the universe and solar system. should be sped up with adjustable time, realistic motion, orbits, stars. use threejs. Make the HUD well styled and conform to modern design principles.效果图如下老马不会是偷偷看了我 TOPAI 中的例子吧。不能说很像简直几乎是一模一样看官方例子这个小星星带和群星璀璨的样子还是挺不错的细节非常多老马用这个例子给 Grok 秀肌肉也非常合适毕竟他是要带我们去“火星”的男人一个心怀星辰大海的男人。3、速度快价格便宜xAI 上特别强调了速度的问题说是可以高达 80 TPS属于快速模型级别另外还专门做了一个图表叫做代币效率。Grok 4.5 大幅领先 Opus 4.8老马也在 X 上坦白了能力差点意思但是大部分人也不用那么强的模型我们便宜啊其实听老马这么说我挺伤心的。追求极致的硅谷钢铁侠现在也只能求个性价比大模型这个行当看起来确实有点难即便是亿万富翁亿万粉丝的老马也有点带不动除了上面的一些内容之外大概还讲了一些办公做 PPT 啥的然后具体的 API 价格是输入 2$输出 6$相比国外模型是便宜。不过这个价格和速度说实话都比不过小米~~哈哈。卧龙已经推出 1000 TPS 的模型了其他国产模型也有专门的高速模型比这个快很多。说那么多其实还得是看实力。有了能力定位之后才能去谈性价比。我很早之前就想尝试 Grok Build但是 300 美金一个月的重型套餐让我望而却步。今天听说 X 的 P 会员也能摸几下了我赶紧下载下来试一下4、Grok build 搞起来Grok build 是专为 Grok 模型打造的终端智能体啊。我也不知道优点是啥反正自家工具配它们自家的模型应该是最合适的。如果你们不能乱理解这是个啥就自动关联 Claude Code 和 Codex 吧这个安装非常简单只需要一行命令irm https://x.ai/cli/install.ps1 | iex安装过程如下安装完成只要输入 grok 或者 agent 就可以启动了启动之后是需要登录授权的授权完成之后就可以使用了。我看了一下确实默认已经是 Grok 4.5High了。而且我随便问了一句确实能用看了一下配额确实是有配额的我已经迫不及待要跑跑例子了5、实测一把我们先拿官方的例子来测一把让它现场给我搞一个3D太阳系看看。直接用官方的提示词。这里右上角有一个细节这是一个 500K 的模型这个尺寸也是挺有意思的现在主流的已经到 1M 了。当然也还有腾讯混元 3 这样的特殊选手最新模型是 256K 的大概花了4分钟时间就搞完了全程中文沟通好评它告诉我服务器已在运行http://127.0.0.1:8765让我打开这个地址进行查看效果大概就是这个样子初看这个太阳快要把水星Mercury给吞了除此之外整体效果还是不错的比如这个木星是有纹理的其他行星也是如此细节不错我之前跑 Opus 4.8 也是有这种设计的带纹理然后可以点击某个行星拉近景展示。相比我之前测试的其他模型而言在这个例子上 Grok 4.5 实测结果确实还不错官网的例子测完了我们来测试一下我的例子了。我们先来一个《赛博朋克之清明上河图》完了老马肯定是看过我的网站了哈哈~~这个例子居然还不错啊中上水平 这个例子本身是挺特别的但是我已经设计出来很久了我怀疑被很多大模型做优化训练了。下面是 Opus 4.8 的效果Grok 4.5 的画面很干净把河和船也画出来了不错只是元素略少中文元素略少略显冷清。Opus 4.8 特意在屏幕上搞了一些中文繁体字为了贴合主题然后画面的层次感要好点更加细腻。Grok 4.5 把河水和船也画出来了好评重点是它只用了两分多钟没有任何校验依次搞定。不像有些国产模型生成跑很久然后又死命地校验疯狂烧 Tokens拿校验弥补能力上的缺陷。接下来我们测试一下游戏吧让它做一个《超级玛丽》。提示词和我们以往测试一模一样。这一次它也是很快就做完了不同以往的是这一次它开始校验了这一波厉害了它自己调用浏览器玩起来了。一边玩一边修改代码。我一边看一边吃个瓜。它的第一个版本跳跃是有问题的跳不高。还好它自己查出来了修复了这个问题。这次总共花了9分钟相比前面例子久了一些但是相比40分钟起步的选手好了很多下面是它的总结。已实现内容• 经典 1-1 风格关卡地面、坑、水管、砖块、问号砖、楼梯、旗杆、城堡 • 物理重力、可变跳跃、土狼时间、台阶可走 • 敌人栗子小子可踩死碰到会受伤/死亡 • 道具金币、蘑菇变大大马里奥可顶碎砖 • HUD分数、金币、世界、时间、命数 • 流程掉坑/被撞/超时死亡 → 扣命重生摸旗杆滑下 → 走进城堡通关自测结果已验证顶砖吃币、蘑菇变大、踩怪得分、旗杆通关无明显 JS 报错。祝通关愉快若要加音效、第二关或移动端虚拟按键可以说一声。简单明了这个风格我喜欢最终结果也不错还原度和可玩性都还可以是可以顺利通关的下面是 Opus 4.8 的效果说巧不巧它们的结果整体感觉还是有几分相似的。Grok 4.5 不会蒸馏 Opus 4.8 了吧感觉是贴着脸来的。当然超级玛丽本来就是这个样子也可能是殊途同归我也让他测试来一波《坦克大战》这一次很奇怪验证的时候调用浏览器失败了上一轮明明玩的很溜然后结果大概是这个样子这一波玩是可以玩但是很难玩细节并不是太好地图运行轨迹打墙的逻辑都有些问题和国产模型首轮结果差不多水平。上面的例子我已经测了有段时间了接下来来一个比较新的例子。天文机械表用单个 HTML 文件实现一只机械腕表风格的天文时钟纯原生实现不许使用任何库、框架或 CDN。要求 ​ 1. 主表盘读取本地系统时间秒针平滑扫秒使用 requestAnimationFrame 驱动且长时间运行不得累积漂移切到其他标签页再切回来时指针必须立即校准到正确时间。 ​ 2. 包含一个月相小表盘根据当前日期计算并显示月相连续变化公式需要自行实现精度要求误差控制在 1 天内。 ​ 3. 包含一个可用的计时码表通过子表盘指针显示支持开始、暂停、继续、归零与计圈lap按钮在任意顺序点击都不能出现状态错误。 ​ 4. 日期窗显示当前日期正确处理大小月与闰年。 ​ 5. 包含昼夜 / 日出日落指示用户可在三到四个预设城市之间切换并根据经纬度现场计算当地日出日落时刻。 ​ 6. 页面需要响应式并尊重 prefers-reduced-motion开启时秒针改为跳秒并关闭装饰动画同时为各表盘补充 ARIA 标注。 ​ 7. 整体视觉要像一只真实的高级腕表而不是普通练习作业。 ​ 只输出最终代码不要解释。这个例子目前大部分模型表现都不太行基本上都有一些问题只有 Claude 家的最强模型可以一次搞定没啥大问题。 这个问题的难点在于一下子塞了很多需求都要动些脑子会分散AI的注意力导致它细节上犯错。Grok 这一波又做了一个开枪不回头的帅气男人。一轮搞完不检查这个设计是挺不错的好评。然后整个大的时钟是正常的秒表和计圈是正常月相也是正常的包含了四个地区的日落日出。这些都是不错的。但是它上面四个小表盘的设计不是太好。他用了三个小表盘来做秒表这个太夸张了。正常情况是用一个到两个表盘来秒表计时就够了毕竟是秒表。另外它的日期挡住了秒表的表盘。还有就是在选择地区的时候没有在小表盘上标出日落和日出月相部分比例应该是对的但是缺少弧度。总的来说大方向还可以细节还有优化空间。这个例子属于中等偏上的位置。这个风格我非常喜欢我还尝试了让他一次性跑了9个例子只花了9分多钟最终所有例子都没有基础错误。这一点已经跑赢很多模型了。感觉Grok 4.5 站起来了啊要知道grok-4.20的在arena上前端成绩可以是排在50多名哦这次的4.5明显好了很多很多。奇怪的一点是arena每次第一次时间刷新国产模型的成绩这次确没有grok4.5的成绩初次体验Grok 4.5 确实有点东西。之前因为它表现太差一直都没让它上桌。这次一上桌就谈吐风雅啊。哈哈老马可以扬眉吐气了基准数据应该基本准确如果基准准确那么估计Grok主要是在复杂编程项目上不如 Opus 4.8相对简单的部分并不会差太多。Grok 4.5写代码整体来说效率很高总成本应该是比较低的而且结果也不错以后可以重点观察一下深入了解一下明天我会把相关的例子更新到顶级AI | JarvisUni可以进行直观的查看和比较目前已经有十几个模型可以参考了