xAI представила большую языковую модель Grok 4.5, которую обучали совместно с Cursor. Компания позиционирует её как решение для программирования и агентских задач. Как пишет Trashbox, по большинству профильных бенчмарков Grok 4.5 всё же уступает флагманским моделям конкурентов, хотя разница остаётся небольшой.
В тесте DeepSWE 1.0 модель xAI показала 62% точности. Для сравнения: у GPT 5.5 xhigh результат составил 64,31%, у Claude Fable 5 max, 66,1%. Похожая картина наблюдается и в DeepSWE 1.1, Terminal Bench 2.1 и SWE Bench Pro, где Grok 4.5 также немного отстаёт от других моделей.
При этом xAI делает акцент на стоимости выполнения задач. По данным Artificial Analysis, в бенчмарке Terminal Bench 2.1 средняя стоимость задачи для Grok 4.5 составляет 0,08 доллара, а суммарная стоимость по всем тестам, 0,31 доллара. У GPT-5.5 xhigh эти показатели равны 0,21 и 0,86 доллара соответственно.
В CursorBench модель Grok 4.5 High заняла третье место с точностью 66,7%. На выполнение задач она потратила 19 тысяч токенов стоимостью 1,51 доллара. Для сравнения, Claude Fable 5 max при точности 70,5% использовала 103 тысячи токенов стоимостью 17,32 доллара.
Ключевые факты
В бенчмарке DeepSWE 1.0 модель Grok 4.5 получила 62% точности против 64,31% у GPT 5.5 xhigh
По данным Artificial Analysis, средняя стоимость задачи Grok 4.5 в Terminal Bench 2.1 составляет 0,08 доллара
Суммарная стоимость тестов для GPT-5.5 xhigh составила 0,86 доллара против 0,31 доллара у Grok 4.5
В CursorBench модель Grok 4.5 High потратила 19 тысяч токенов стоимостью 1,51 доллара при точности 66,7%