--- title: 'Grok 4.5 实测：xAI 拿到 Cursor 数据后首款模型追上 Opus 阵营' video_id: CMjTfpTd-NY url: https://youtu.be/CMjTfpTd-NY title_en: "Grok 4.5 just COOKED Claude and OpenAI" channel: Wes Roth published: 2026-07-09 duration: "35:19" topics: ["模型与能力", "AI 编程与建站"] noted: 2026-07-09 value: A views: '3.6万' --- [![封面](https://i.ytimg.com/vi/CMjTfpTd-NY/maxresdefault.jpg)](https://youtu.be/CMjTfpTd-NY) > Wes Roth · 35:19 · 发布 2026-07-09 · 3.6万次观看(截至抓取) · [观看原视频](https://youtu.be/CMjTfpTd-NY) ## 主旨 Grok 4.5 是 xAI 收购 Cursor 后训练出的第一款模型,在 Deep SWE / SWE-bench Pro / Terminal-Bench 三组基准上落在 Opus 4.8 与 GPT 5.5 extra high 之间,并在 3D 帆船游戏、TES 风 RPG、50 街区城市搭建三档测试中展现接近 Fable 5 的工程能力。 ## 核心论点 1. **Grok 4.5 在基准上贴在 Opus 与 GPT 5.5 high 之间**——但 Fable 5 不在这一档比,先校准上限再说"追上"。([[#1-上线即贴在-opus-与-gpt-55-high-之间-0116|→ 详解1]]) 2. **3D 帆船游戏实测里 Wes 给了 Grok 4.5 超过 Fable 5 的判决**——光影、物理、沉浸都在第一梯队,但 3D 细节仍不如 Fable 5。([[#2-3d-帆船游戏grok-45-拿下航海物理与第一视角沉浸-0908|→ 详解2]]) 3. **TES 风 RPG 的分支对话与配音是另一个突破**——Grok 4.5 能写出"好/坏/中立"指标随玩家选择变动、且 NPC 能即兴回应的支线剧情。([[#3-tes-风-rpg分支对话与-npc-即兴回应-1602|→ 详解3]]) 4. **xAI + Cursor 的协同把"训练数据 + 算力"做成新护城河**——Cursor 提供端到端开发者轨迹,xAI 提供算力与 RL 配方;Cursor 联合创始人明确称 Grok 4.5 为 Opus 档。([[#5-cursor-数据如何重塑-grok-的训练-2459|→ 详解5]]) 5. **"Fable 5 出 spec、Grok 4.5 做施工"模式把 50 街区城市压到约 8 美元**——1.35M token 总量、上层规划与下层执行解耦可行。([[#6-fable-5-出-specgrok-45-做施工的-50-街区测试-2947|→ 详解6]]) 6. **多数工程活不必用最强模型**——把脏活分给便宜档是范式转变,Fable 自身日常也这么干,Grok 4.5 是这条曲线上的最新一档。([[#7-这意味着什么opus-阵营被追平算力数据是分水岭-3402|→ 详解7]]) ## 知识点详解 ### 1. 上线即贴在 Opus 与 GPT 5.5 high 之间 [01:16](https://youtu.be/CMjTfpTd-NY?t=76) Grok 4.5 在视频录制当天上线,核心问题是它能不能在 coding 上追上 Opus、GPT 5.5 这类 Frontier 档。Wes 给出的基准坐标是 Deep SWE 1.0/1.1、Terminal-Bench、SWE-bench Pro 三组:"is it similar to, for example, Opus? Is it similar to GPT 5.5 high? And when looking at the benchmarks and some of my own testing that I've been doing, the answer is yes." [01:16](https://youtu.be/CMjTfpTd-NY?t=76) 具体落点:"notice Grock 4.5 sits between GPT 5.5 extra high and Opus 4.8 Max. This is extremely good, very solid." [01:43](https://youtu.be/CMjTfpTd-NY?t=103) Deep SWE 1.1 略落后于 GPT 5.5 与 Opus;Terminal-Bench 与 GPT 5.5 extra high 持平;SWE-bench Pro 三家紧贴,几乎重叠。 需要先校准一个上限边界。Wes 明确说"Fable 5 isn't in a category of its own"——Fable 5 不在这一档里比;GPT 5.6 录视频时尚未发布,早期测评也只说"不会到 Fable 5 那一级"。所以 Grok 4.5 的"追上"对标的是 Opus / GPT 5.5 这一档,不是 Fable 5。这是后面所有实测的解释基线,也是这次档位的诚实定调。 ### 2. 3D 帆船游戏:Grok 4.5 拿下航海物理与第一视角沉浸 [09:08](https://youtu.be/CMjTfpTd-NY?t=548) Wes 沿用 Fable 5 时代的同一个 prompt——"3D 帆船游戏、第一视角/第三人称、模拟风向、调帆、转舵、接 11 Labs 做全程配音"——放在 Grok Build(CLI 工具,auto mode)上跑。开场画面里"As you can see here, it's us here at the helm. And uh there's another ship over there in the distance" [09:08](https://youtu.be/CMjTfpTd-NY?t=548) 已经把第一视角驾驶台、远景船只、海面阴影渲染得很稳。 更关键的是物理。"So notice that the ship not only moves up and down in 3D space, it sort of leans left and right depending on where the wave is" [03:22](https://youtu.be/CMjTfpTd-NY?t=202)——船不只是上下颠,还会随波浪方向侧倾。这是早期模型最常塌的一关,大多数只能写"上下浮动"。配 11 Labs 做的"大副解说"也能随天气切换台词:平静时讲风源与调帆、暴风雨时提醒海况、飓风则提示翻船风险。 最出戏的是 Wes 自己埋的彩蛋:他在游戏里放了一座"Interstellar 巨浪山",船驶近时水墙扑面:"Water. Mountain of water." [13:16](https://youtu.be/CMjTfpTd-NY?t=796) 沉船过程有漂浮残骸、有翻滚动画,水面与云层质感甚至让 Wes 判 Grok 4.5 在这关压过 Fable 5。需要注意的是:这个判决仅限帆船游戏的视觉/物理/沉浸组合,3D 细节精度上 Fable 5 仍领先。 ### 3. TES 风 RPG:分支对话与 NPC 即兴回应 [16:02](https://youtu.be/CMjTfpTd-NY?t=962) 第二个测试是开放世界 RPG,目标是用 Grok 4.5 复刻上古卷轴式的村庄、对话、地下城与道德分支。Wes 明确把它放在"不能跟 Fable 5 同一档"的预期里:"We're not expecting it to be in the fable class of models" [16:02](https://youtu.be/CMjTfpTd-NY?t=962)——结果超出预期。 村庄里 Captain Thorne、Elias Crowe(曾是盗贼的商人)、Mera Veil(学者兼治愈者)三个 NPC 各自有独立台词线。玩家选"威逼"还是"替我保密"会触发不同后续任务:对盗贼选"Gold for silence or Thorne hears everything. So, we have a choice here. I'm going to I'm going to shake him down for money." [18:01](https://youtu.be/CMjTfpTd-NY?t=1081) 直接拿到金币与地图,但少了盗贼原本会透露的关键地下城线索。 Wes 反复进出、重载了同一个对话分支后确认:Grok 4.5 写的不是固定剧本树,而是带"好/坏"道德指标、会按玩家选择偏移的动态叙事——并且能把后续 NPC 反应接起来。一个小细节是 Wes 注意到编码模型对声音没耳朵:"the AI coding models can't hear the voices. So they just pick random ones" [21:06](https://youtu.be/CMjTfpTd-NY?t=1266)——11 Labs 的配音对位,模型是随机抽的,不是按角色气质选,这是当前自动 agent 在多模态联调上的明确短板。 ### 4. 其他视觉测试:SVG、3D 罗马城、Mars base [24:03](https://youtu.be/CMjTfpTd-NY?t=1443) 章节 5 是杂烩视觉测试:手写 SVG(盘龙绕水晶塔、孤独武士立于悬崖、赛博朋克小巷动画)、古代罗马 3D 城、Mars base 3D、老 RPG 小镇。最显眼的是"Here's a playable neon asteroid. So, you're able to play the asteroid game" [24:03](https://youtu.be/CMjTfpTd-NY?t=1443)——Grok 4.5 不仅能画出可玩的 asteroid,游戏手感也到位。 罗马城一处屋顶朝向被反过来,模型只跑了一轮 prompt 修正就把所有屋脊翻正;RPG 小镇则是 Wes 在第二代版本里看到"光打得有点不对",模型重新生成了整个场景。这一节展示的核心能力是:Grok 4.5 能接住"做出来 → 哪里不对 → 改"这个短反馈循环,不需要人类工程师逐帧调。SVG 一类简单矢量图是 Opus 4.6、GPT 5.4 已经做好的赛道,本节没有突破,只是"也做到了"。 ### 5. Cursor 数据如何重塑 Grok 的训练 [24:59](https://youtu.be/CMjTfpTd-NY?t=1499) Wes 把 Cursor 联合创始人 Michael TR 的话放出来:"Opus class model that's fast and low cost. It's a significant step up over any model we've developed so far, including Composer 2.5" [24:59](https://youtu.be/CMjTfpTd-NY?t=1499)——Cursor 自己最强的内部模型 Composer 2.5 也被这次联合训练的 Grok 4.5 一步超过,且已成为 Cursor 团队许多人的日常首选。 训练数据的护城河由此显形。Cursor 的数据不是公开代码仓库的合成数据,而是真实开发者在 Cursor IDE 里端到端做项目的轨迹——工程师从空白文件写到 commit 的全过程,Cursor 都能看见"哪些步骤有效、哪些失败"。 xAI 这边把这批数据接上自家 RL 配方做每步奖励:"they're able to kind of like polish and fine-tune the training process, you know, as the model is completing the entire task, let's say it has like a 100 steps, instead of just giving the reward or quote unquote punishment for when it reaches the end, whether it's right or not, they're able to kind of like adjust it every step of the way. With every step, the model gets rewarded like did you make this step in the right direction or not?" [32:08](https://youtu.be/CMjTfpTd-NY?t=1928) 每一步的方向都能被对齐信号修正,而不是只在终点对错一刀切。 ### 6. Fable 5 出 spec、Grok 4.5 做施工的 50 街区测试 [29:47](https://youtu.be/CMjTfpTd-NY?t=1787) 最能体现"Fable 5 + Grok 4.5"分工的是 Wes 的城市搭建测试。Wes 先让 Fable 5 写一份完整的城市 spec——每个街区该有什么设施、动效如何编排、完工后如何自检:"Fable 5 might be the genius mastermind that's able to like really see exactly what needs to be done, think through everything from beginning to end" [28:54](https://youtu.be/CMjTfpTd-NY?t=1734)。 然后把 spec 喂给 Grok 4.5,让它按 spec 一砖一瓦写 JavaScript。"Fable 5 is the architect and Groc 4.5 is the construction crew." [29:47](https://youtu.be/CMjTfpTd-NY?t=1787) Fable 从不碰任何街区文件,Grok 从未看到完整城市轮廓,50 个街区各跑一次独立 API call。 结果:Fable 5 自己评 Grok 4.5 的输出——"first drafts were shockingly clean. All the motions, all of them shipped" [30:12](https://youtu.be/CMjTfpTd-NY?t=1812),每个街区都按 spec 动了起来,Montreal 在车站盘旋停靠,"Contract obedience"——完全照 spec 走,无返工。整套城市代码接近 1 MB 手写 3D JavaScript,Wes 给了个吃货比价:"That entire skyline almost a megabyte of handwritten 3D code costs less than a burrito." [30:33](https://youtu.be/CMjTfpTd-NY?t=1833) 总计 1.35M token 输出来自 Grok,加 Fable 的 spec,总成本约 8 美元;如果全程交给 Fable 5,这个量级按 API 计是 70-80 美元。 ### 7. 这意味着什么:Opus 阵营被追平、算力+数据是分水岭 [34:02](https://youtu.be/CMjTfpTd-NY?t=2042) Wes 把这次发布放在 AI coding 权力结构里看。xAI 的 code 能力一直被唱衰,"Space AI goes public. I think the same day they exercise the option to purchase Cursor. And the very next thing that rolls off the shelves is Gro 4.5." [34:02](https://youtu.be/CMjTfpTd-NY?t=2042) 上市当天行权买下 Cursor,第一件量产产品就是 Opus 档模型——明显是"数据-训练"组合拳。 由此引出第二条范式判断:"For the majority of the actual grunt work in any given software project, a lot of it can be delegated to cheaper, faster models." [26:48](https://youtu.be/CMjTfpTd-NY?t=1608) 多数编码脏活不需要最强档,如同不需要 CEO 干所有基础活。Fable 自身日常也会把任务分给 Opus、Sonnet;Grok 4.5 现在成了这条"智能-成本"曲线上的最新一档。 第三条是给前线的判断:"Grock 4.5 can get stuff done given sort of good instructions and it can get it done cheaply while following those instructions." [33:35](https://youtu.be/CMjTfpTd-NY?t=2015) 给到位指令、便宜模型就能把活做完。这意味着 Opus 类高端档的角色从"什么都干"变成"出架构、出 spec、验收",而 Grok 4.5 这档位的意义是让"施工"规模化、廉价化。 ## 可执行步骤 - [ ] 如果你已经在用 Cursor:把 Grok 4.5 作为默认模型试一周,记录它在你的真实项目里能替代 Opus 哪一档工作 - [ ] 如果你在跑大型 coding 项目:把"架构/spec"层交给 Fable 类最强档,把"按 spec 写模块"分给 Grok 4.5 这一档,对比纯 Fable 路线的成本与时间 - [ ] 关注下一代 GPT 5.6 是否真的能压过 Grok 4.5:这决定 OpenAI 与 xAI 在 coding 阵营的相对位次 - [ ] 在自托管 / 私有部署场景下,留意 Grok 4.5 是否会出可下载权重;若没有,云上调用成本与数据出境是另两条评估线 ## 关联 - token minimizing — 进阶:GLM 5.2 笔记里提出"把任务路由给便宜模型、追求单位产出效率"的框架;本视频用 50 街区城市、1.35M token、总成本约 8 美元的实测把这条原则在大型 coding 任务上的承载力具体化。先读 GLM 笔记里"cost vs intelligence"的论述,再看本片实测更有体感。 - 护城河转移 — 互补:CC 高阶课在应用层论证 AI 拉平建造门槛后护城河从软件质量转向分发与合规;本视频在模型层观察到同一趋势的反向镜像——从模型体量转向"独有训练数据(Cursor 端到端轨迹)+ 独有算力/RL 配方"的组合。判定变量:讨论应用层产品时取前者,讨论模型层供应商时取后者。 - fusion models — 印证:GLM 5.2 笔记里 OpenRouter 提出"按能力分桶、把多家模型串成流水线"的做法;本视频独立地用 Fable 5(规划)+ Grok 4.5(执行)的城市搭建案例印证了"按能力分桶"在大型 coding 任务上同样可行——但额外条件是上层规划必须写得足够细到能被便宜档照做。 - 差异:[[2026-07-09-Grok4.5全景速读：便宜好用但Cursor基准有水分|Grok4.5全景速读]] 是同一天另一频道(the-ai-grid)对同一模型的评测,但视角互补——那篇偏基准横评与性价比象限、且重点拆解 Cursor Bench 数据污染;本片偏动手实测(3D 帆船/RPG/50 街区城市)与训练数据护城河。两篇合读可拿到"跑分 vs 实操"两侧对 Grok 4.5 的一致结论:够便宜够用、但顶端仍让位 Fable 5/Opus。 ## 一手来源与延伸 - 视频无 description 链接外的额外一手来源;涉及模型版本(Grok 4.5 / Fable 5 / Opus 4.8 / GPT 5.5)的官方发布信息需自行查 xAI / Anthropic / OpenAI 各自页面 - Cursor 联合创始人 Michael TR 的发言来自其个人 X 账号,视频中嵌入截图,未提供原帖链接 - Deep SWE 1.0/1.1、Terminal-Bench、SWE-bench Pro 三组基准的具体定义与最新榜单需自行去对应项目页面查 ## 术语 - Deep SWE 1.0 / 1.1:衡量真实软件工程能力的基准测试套件,Wes 用它横向比 Grok 4.5 / Opus / GPT 5.5 的相对位置 - Terminal-Bench:在终端里完成真实编程任务的基准,Wes 用它做第二组对照 - SWE-bench Pro:SWE-bench 的升级版,Wes 用它做第三组对照 - Composer 2.5:Cursor 在 Grok 4.5 之前的最佳内部模型;被 Grok 4.5 一步超过 - Grok Build:xAI 的命令行代码生成工具,本视频中 Wes 用 auto mode 跑 - 每步 RL 反馈(per-step RL shaping):xAI 训练 Grok 4.5 时用的奖励方式——每一步决策都给对齐信号,而不是只在终点对错一刀切 - Opus / Fable 5 / GPT 5.5:本视频对比的三个对照档——Opus 是 Anthropic 的上一档主力,Fable 5 是 Anthropic 2026 年 7 月新发的旗舰,Fable 5 不在本视频对比口径内 ## 金句 > "Fable 5 is the architect and Groc 4.5 is the construction crew." [29:47](https://youtu.be/CMjTfpTd-NY?t=1787) —— 一句话把"按能力分桶"在大型 coding 项目上的协作模式钉死:上层规划,下层施工。 > "That entire skyline almost a megabyte of handwritten 3D code costs less than a burrito." [30:33](https://youtu.be/CMjTfpTd-NY?t=1833) —— 1 MB 手写 3D 代码 vs 一份卷饼的成本对比,把"按 spec 分桶"的经济性压到了具体可感的单位。 ## 立场与利益 视频 description 含一条 GenSpark 联盟链接(带 utm 参数),GenSpark 章节已被去销售化剔除。核心主张分三档: - 与利益同向:对 Grok 4.5 + Cursor 协同的极力推荐,间接利好 Cursor 生态(Cursor 联合创始人发言被高光使用)——但 Wes 与 Cursor 之间未见联盟 / 雇佣 / 投资关系,严格说属"语境性利好"而非变现驱动,采信折扣 30% - 利益中性:三组基准(Deep SWE / Terminal-Bench / SWE-bench Pro)的相对位置、Fable 5 与 Opus 4.8 的档位定调,均为可独立验证的公开 benchmark 数据——按内容本身采信 - 与利益反向:Wes 明确说"Fable 5 isn't in a category of its own",承认 Grok 4.5 仍不及 Fable 5——这与视频标题"COOKED Claude"的夸张形成对照,显示博主对自己的极限声称是有节制的;可信度最高 ## 价值定位 - 适合谁:正在评估或使用 AI 编程工具的开发者、AI agent 工具的开发者、做编码模型选型决策的产品/投资人 - 解决什么:具体展示 Grok 4.5 能做到什么水平、Cursor 数据如何改变编码模型训练范式、模型分工(架构师/施工队)在大型项目上的协作模式 - 认知 vs 实操:主要是认知——给读者一份"xAI 已经追到 Opus 阵营"的最新坐标和"按能力分桶"的具体证据,实操层面的具体决策(换模型、改工作流)仍要回到自己的项目实测 - 与已有笔记重叠:与 token minimizing(GLM 5.2 笔记)共享"按能力分桶"的底层判断,但本片独有"按 spec 把脏活彻底切给便宜档"的具体工程示范与 50 街区案例 ## 自检问题 1. Grok 4.5 在 Deep SWE / SWE-bench Pro / Terminal-Bench 三组基准上,大致处于什么位置? **答案**:介于 Opus 4.8 Max 与 GPT 5.5 extra high 之间,三组都贴近第一梯队,但 Fable 5 不在这一档对比(详解1);[01:43](https://youtu.be/CMjTfpTd-NY?t=103) 2. "Fable 5 出 spec, Grok 4.5 做施工"的 50 街区城市测试,大致用了多少 token 和成本? **答案**:Grok 4.5 端 1.35M token、整套(含 Fable spec)约 8 美元;同样工作量用 Fable 5 全程做按 API 计是 70-80 美元(详解6);[30:33](https://youtu.be/CMjTfpTd-NY?t=1833) 3. Cursor 联合创始人 Michael TR 怎么评价 Grok 4.5? **答案**:"Opus class model that's fast and low cost. It's a significant step up over any model we've developed so far, including Composer 2.5"(详解5);[24:59](https://youtu.be/CMjTfpTd-NY?t=1499) 4. Wes 在哪些维度上给 Grok 4.5 超过 Fable 5,哪些明确承认 Fable 5 更好? **答案**:帆船游戏的视觉/物理/沉浸组合上 Grok 4.5 表现更好;但 3D 细节精度上 Fable 5 仍领先(详解2)。总体口径仍是 Fable 5 不在这一档比较 5. 为什么 Grok 4.5 + Cursor 的联合被认为是 xAI 追上 Frontier 阵营的拐点? **答案**:编码曾是 xAI 短板;Cursor 提供真实开发者端到端工作的训练数据 + 每步 RL 反馈,xAI 提供算力与 RL 配方,首批产品即达 Opus 档(详解5、详解7);[32:08](https://youtu.be/CMjTfpTd-NY?t=1928)