SpaceXAI выкатила Grok 4.5 — свою самую умную модель, которая заточена под код, агентные задачи и интеллектуальную работу. Обучали её вместе с Cursor на датасетах по программированию, науке, инженерии и математике. Модель уверенно обходит конкурентов в реальных инженерных задачах и заняла первое место в Harvey's Legal Agent Benchmark.
По тестам результаты такие: DeepSWE 1.0 — Grok 4.5 набрал 62%, тогда как Fable (max) выдал 66.1%, GPT 5.5 (xhigh) — 64.31%, Opus 4.8 (max) — 55.75%. На DeepSWE 1.1 показатели скромнее — 53% против 70% у Fable и 67% у GPT 5.5. А вот Terminal Bench 2.1 модель почти догнала лидеров: 83.3% против 84.3% у Fable и 83.4% у GPT 5.5. На SWE Bench Pro Grok 4.5 решил 64.7% задач, уступив Fable (80.4%) и Opus 4.8 (69.2%), но обойдя GPT 5.5 (58.6%) и GLM 5.2 (62.1%).
Модель тренировали на десятках тысяч NVIDIA GB300 GPU, с упором на отбор данных — дедупликацию, оценку качества и доменную селекцию. Reinforcement learning масштабировали на сотни тысяч задач, в основном на многошаговую разработку ПО. Благодаря асинхронному обучению агентные развёртывания могут идти часами, пока обучение продолжается на тысячах GPU.
Grok 4.5 выдаёт 80 токенов в секунду — это скорость быстрых моделей. Плюс он в два раза эффективнее конкурентов: для задач SWE Bench Pro модель тратит в среднем 15,954 токена — в 4.2 раза меньше, чем Opus 4.8 (max) с его 67,020 токенами.
Модель уже стоит по умолчанию в Grok Build и доступна во всех планах Cursor, а также через SpaceXAI console. Она умеет собирать сложные Excel-модели с веб-исследованиями, многостраничными формулами и заметками, а в PowerPoint и Word — прорабатывать слайды с нативными фигурами и писать чистый текст.
Цена: $2 за миллион входных токенов и $6 за миллион выходных. Это дёшево на фоне конкурентов. В Евросоюзе Grok 4.5 пока недоступен — запустят в середине июля. На ограниченное время модель можно попробовать бесплатно в Grok Build и Cursor.