Grok 4.5 第一天成績單：比對手便宜4倍，但54%幻覺率讓人憂慮

SpaceXAI的Grok 4.5於7月9日正式開放公眾使用，聲勢浩大——這款1.5兆參數模型是SpaceX以600億美元收購Anysphere後，首個與Cursor聯合打造的AI模型，定價僅為每百萬輸入Token 2美元。然而，上線數小時後，獨立評測者的數據開始大量湧現。到了7月10日，一幅比發布公告複雜得多的圖像已清晰成形。

簡而言之：Grok 4.5確實是目前同等級別前沿模型中最便宜、Token效率最高的選擇。但它的幻覺率較前一代整整翻倍，且上下文視窗在未作解釋的情況下縮水。

關鍵數字

準確率提升，幻覺率惡化

在Artificial Analysis的智力指數（Intelligence Index）評測中，Grok 4.5的準確率得分達到52分，較Grok 4.3的35分提升17分，確有進步。然而，幻覺率卻從25%暴升至54%，整整翻了一倍。模型懂得更多，也做對了更多題目——但在它不確定的領域，它更傾向於以自信的語氣說出錯誤答案。

Artificial Analysis將Grok 4.5整體智力評為第4名，位居Anthropic Fable 5、OpenAI GPT-5.5和Opus 4.8之後——這是符合前沿水準的成績，但不符合SpaceXAI公告中「Opus級別」的定位。

Token效率是真正的差異化優勢

Grok 4.5真正值得稱道之處在於計算效率。在標準編程代理評測中，Grok 4.5平均每項任務消耗約190萬Token；而目前排名第一的Fable 5完成相同任務需要720萬Token——接近4倍之多。

換算成實際費用：以每百萬輸入2美元、輸出6美元計算，Grok 4.5在Grok Build代理環境中完成一項編程任務約需2.49美元；Fable 5完成同一任務需要11.80美元。這意味著在真實工作量中，Grok 4.5的單任務成本低約4.7倍。

輸出速度方面，Grok 4.5達到每秒80個Token，也明顯快於Fable 5的約30個Token/秒。

上下文視窗悄然縮水

這是發布公告刻意不提的細節：Grok 4.5的上下文視窗為50萬Token，僅是Grok 4.3的100萬Token的一半。SpaceXAI對此並未給出公開說明。這一退步相當罕見——上下文視窗擴展是所有前沿模型的一致發展方向，而Grok 4.5的50萬Token視窗，不僅低於前代，也遠低於Gemini 3.5 Pro預計的200萬Token。

對於單次請求相對短小的高頻代理任務而言，50萬Token的視窗綽綽有餘。但對於需要長文件處理的場景——法律合同審查、大型程式碼庫分析、長篇研究整合——這一縮減至關重要，可能將用戶推向其他選擇。

54%幻覺率在實務中意味著什麼

54%的幻覺率需要放在具體語境中解讀。這一指標衡量的是模型以自信語氣陳述錯誤事實的比例，而非任務整體失敗率。一個模型可以正確完成主要任務，同時在邊緣細節上幻覺；也可以在核心論點上幻覺，讓整個輸出失去價值。

Roo分析指出的規律，從理論上說其實可以預見：更大、更有能力的模型往往擴展了它「知道」的邊界，但同時也在知識薄弱的灰色地帶更為自信。Grok 4.5從35%到52%的準確率提升，反映了一個更有能力的模型；而幻覺率從25%到54%的倍增，則反映了該模型在訓練資料稀疏或不一致的區域，更傾向於生成看似自信的輸出。

部署邏輯應據此分層：

• 可驗證輸出場景（程式碼可運行測試、確定性答案查詢、可被核實的結構化資料提取）：54%的幻覺率是可以管控的風險，搭配適當驗證層即可。
• 直接面向終端用戶的場景（客服、研究整合、事實性問答，輸出未經系統性核查）：54%的幻覺率是嚴重的部署風險，需要謹慎評估。

對AI工程團隊的成本邏輯

對於運行大規模代理管道的工程團隊而言，Grok 4.5的成本優勢確實引人注目。低定價加上高Token效率的組合，意味著目前使用Fable 5的團隊若切換至Grok 4.5，在同等工作量下可削減約80%的算力成本——代價是一定程度的性能下降，以及需要額外的輸出驗證邏輯應對更高的幻覺風險。

競爭格局

Grok 4.5的上線加劇了2026年初以來持續累積的一大趨勢：前沿模型的高智力與低成本的加速收斂。一年前，前沿能力與低成本之間的取捨還更為分明。現在，Claude Sonnet 5以接近Opus的性能、更低的定價登場；GPT-5.6也在效率上超越GPT-5.5；Grok 4.5則進一步推低成本邊界。

對OpenAI與Anthropic而言，Grok 4.5的挑戰不在智力排行榜頂端——第4名並未威脅Fable 5或GPT-5.5的地位。挑戰在於成本敏感型企業部署：那些每月調用數百萬次API的用戶，若幻覺問題在生產環境中經過足夠時間驗證後被認為是可管控的，可能真的會遷移至Grok 4.5。

首日基準測試結果揭示的是一款確實有用、有競爭力定價、但需要比行銷材料所暗示的更嚴格部署防護的模型。SpaceXAI如何回應幻覺率發現——是直面它、更新模型，還是否定評測——將和這些數字本身一樣，揭示這家公司的發展軌跡。