发生了什么：便宜是真的，"两倍效率"经不起细算
xAI在周三发布了Grok 4.5，这是公司上市几周后推出的第一款新模型。马斯克在X上把它形容为"Opus-class model"，说它比其他顶尖模型"token效率高出两倍"，定价为每百万输入token 2美元、每百万输出token 6美元。他后来又补了一句更具体的说法：Grok 4.5大致相当于Anthropic的Opus 4.7，但速度更快。
问题是，xAI自己公布的基准数据和这句"两倍"对不上。在SWE Bench Pro测试里，官方图表显示Grok 4.5平均每个任务输出15,954个token，而对比的Claude Opus 4.8（max）用了67,020个——算下来是约4.2倍的差距，不是"两倍"。这不是错，只是营销话术把一个更扎眼的数字，说成了一个更保守的数字。
更值得琢磨的是对标对象本身。马斯克说Grok 4.5"大致相当于Opus 4.7"，但在同一批xAI自己发布的SWE Bench Pro跑分里，真正参与横向比较的其实是更新的Opus 4.8——而那张图上，Opus 4.8的解决率是69.2%，Grok 4.5只有64.7%，反而是Grok落后。马斯克嘴里对标的，是已经被自家数据超过的上一代。
自家图表里，Opus 4.8赢了Grok 4.5，马斯克却拿旧一代来做比较
一个没人提起的领跑者：Fable(max)是谁
xAI这次一口气放出了四张基准图（DeepSWE 1.0、DeepSWE 1.1、Terminal Bench 2.1、SWE Bench Pro），Grok 4.5在前两项上确实排在GPT-5.5、Opus 4.8前面。但四张图里都反复出现同一个名字——Fable(max)，而且它在全部四项测试中都是分数最高的那个，SWE Bench Pro上更是拿到80.4%，比第二名Opus 4.8高出十个百分点以上。
奇怪的是，无论是xAI的发布材料还是外部报道，都没有解释这个模型是什么来路、由谁开发。它就那样安静地排在榜首，成了整场"Opus级"叙事里最不显眼、却分数最高的存在。企业在看这类跑分截图时，容易被排在前排的熟悉名字（Grok、GPT、Opus）吸引注意力，反而忽略了一个持续领先却身份不明的对照项——这恰恰是读跑分图最容易踩的坑。
以下是xAI公布的SWE Bench Pro解决率对比：
- 提醒.这四张图都是xAI自己发布的，方法论和测试环境未经第三方复核，Fable(max)的身份也没有独立信息可交叉验证。
为什么重要：企业买的是账单，不是形容词
抛开对标口径的问题，Grok 4.5的价格确实低。放进同一张表看会更清楚：
| 模型 | 输入价格（每百万token） | 输出价格（每百万token） | 速度备注 |
|---|---|---|---|
| Grok 4.5 | $2 | $6 | 常规基线水平 |
| Opus 4.7 | $5 | $25 | — |
| GPT-5.6 Sol | $5 | $30 | Cerebras部署下宣称750 TPS，属有限范围发布 |
对正在为编程代理、办公自动化选型的团队来说，token单价直接决定长链条agentic任务的实际账单，这也是Grok 4.5敢把"低成本"当卖点的原因。但GPT-5.6 Sol的750 TPS是在特定硬件、有限范围下测出来的，不能和Grok的常规基线速度直接划等号——这类"最快"的比较，看具体部署条件比看单一数字更重要。
Grok系列此前也有过输出偏向马斯克个人立场、生成极端言论的争议，这类信任问题不会因为一次跑分发布而消失。对企业合规团队来说，价格好看只是选型的第一关，能不能通过内容可靠性和治理审查，是另一回事。Grok 4.5定于发布次日向公众开放测试，同一周OpenAI的GPT-5.6也将登场——真正的答案，要等独立用户跑出结果、而不是停留在官方图表里。