正文：
需要说明的是，本次评测侧重中文场景下的综合能力考察，覆盖教育、医疗、金融、法律、推理数学、语言指令、Agent工具调用以及coding八个板块。
grok-4.5版本表现：
测试题数：约1.5万
总分（准确率）：70.0%
平均耗时（每次调用）：92s
平均token（每次调用消耗的token）：3276
平均花费（每千次调用的人民币花费）：125.7
1、新旧对决
对比上一代参照模型grok-4-1-fast-reasoning，grok-4.5的变化非常明确：总分和多数中文垂直领域明显上移，coding提升尤其突出；但Agent工具调用出现回调，响应时间、token消耗和调用成本也显著增加。数据如下：
*数据来源：非线智能ReLE评测https://github.com/jeinlee1991/chinese-llm-benchmark
*输出价格单位： 元/百万token
整体性能明显提升：grok-4.5总分为70.0%，相比grok-4-1-fast-reasoning的58.3%提升11.7个百分点，排名从第99位升至第29位。仅看中文综合准确率，新版本已经从榜单后段进入70%区间。
Coding是最大增量：coding从31.4%提升至71.3%，提升39.9个百分点，是所有细分维度中变化最大的一项。这与官方强调真实软件工程、代码Agent和Cursor场景的方向高度一致，也是grok-4.5最能体现代际变化的指标。
法律、教育和专业领域都有明显改善：法律与行政公务从65.3%提升至86.0%，提升20.7个百分点；教育从39.6%提升至58.2%，提升18.6个百分点；金融从70.6%提升至84.1%，提升13.5个百分点；医疗与心理健康从70.3%提升至83.7%，提升13.4个百分点。grok-4.5不只是代码分项变强，中文专业任务的基础能力也整体上移。
语言指令遵从同步提升：语言与指令遵从从52.8%提升至65.3%，提升12.5个百分点，说明模型在中文指令理解和任务格式约束上比上一代参照模型更稳。
两个维度需要留意：推理与数学计算从78.1%微降至76.8%，下降1.3个百分点；agent与工具调用从65.4%降至52.9%，下降12.5个百分点。
响应时间和token消耗增加：平均耗时从62s增加至92s，单次调用慢了30s，约增加48.4%；平均token从2492增至3276，增加约31%。这说明grok-4.5在任务中倾向于用更长输出换取更高准确率。
2、横向对比
在当前主流大模型竞争格局中，grok-4.5作为xAI面向工程与Agent任务的新旗舰表现如何？我们从三个维度进行横向对比分析：
*数据来源：非线智能ReLE评测https://github.com/jeinlee1991/chinese-llm-benchmark
同成本档位对比
120元附近看站位：grok-4.5（70.0%，125.7元）处在约95至140元/千次调用区间。这个区间里有qwen3.6-max-preview（75.4%，139.2元）、doubao-seed-2-1-turbo-260628（73.0%，136.3元）、gpt-5.4-high（72.6%，122.3元）、glm-5.2（73.0%，110.5元）、kimi-k2.6（72.9%，100.4元）、claude-opus-4.8（71.5%，99.4元）和qwen3.7-max（76.9%，99元）。仅看中文综合准确率，grok-4.5在同价位并不占优。
速度也不是主要优势：grok-4.5平均耗时92s，接近glm-5.2（93s），慢于gpt-5.4-high（24s）、qwen3.6-max-preview（80s）和claude-opus-4.8（9s），但快于kimi-k2.6（175s）和doubao-seed-2-1-turbo-260628（218s）。它不是低延迟模型，更像是中高成本、较长输出的工程能力模型。
向上看头部闭源模型：相比gpt-5.5（75.3%，158.5元）和gemini-3.5-flash（73.9%，151.2元），grok-4.5成本略低，但总分分别低5.3和3.9个百分点；相比gemini-3.1-pro-preview（75.2%，250.5元），grok-4.5花费约为一半，但总分差距也达到5.2个百分点。
向下看低成本替代方案：qwen3.7-plus（73.5%，31.7元）、qwen3.5-plus（73.3%，22.9元）、Doubao-Seed-2.0-pro（72.8%，22.5元）、kimi-k2.7-code（72.6%，49.7元）、deepseek-v4-pro（71.7%，54.3元）都以更低成本取得了更高中文综合准确率。
新旧模型对比
xAI自身代际改善很清楚：grok-4.5（70.0%）相比grok-4-1-fast-reasoning（58.3%）提升11.7个百分点，排名从第99位升至第29位。尤其是coding、法律、教育、金融、医疗和语言指令维度，变化都很明显。
产品定位变化也很清楚：grok-4-1-fast-reasoning的每千次调用花费只有8.1元，平均耗时62s，更接近低成本快速推理模型；grok-4.5花费升至125.7元，平均token增至3276，更接近官方所说的复杂工程和知识工作模型。两者不是简单的新旧替换关系，而是价格和能力定位都发生了切换。
放到近期新模型里看：grok-4.5（70.0%）低于qwen3.7-max、gpt-5.5、gemini-3.5-flash、glm-5.2、kimi-k2.7-code、deepseek-v4-pro、claude-opus-4.8、mimo-v2.5-pro等模型，也低于同分区附近的Qwen3.5-122B-A10B（70.9%）和Kimi-K2.5-Thinking（70.8%）。它在总榜中属于中上游。
开源VS闭源对比
闭源阵营中的工程型选手：grok-4.5属于商用闭源模型，在闭源模型中高于GLM-5-Turbo（69.3%）、qwen3-max-think-2026-01-23（69.3%）、Doubao-Seed-2.0-mini（69.3%）和gpt-5.2-high（67.3%），并与claude-opus-4.6（70.0%）同分。但它低于qwen3.7-max、qwen3.6-max-preview、gpt-5.5、gemini-3.1-pro-preview、gemini-3.5-flash、gpt-5.4-high等闭源头部模型。
开源阵营的成本效率比压力更直接：qwen3.5-plus（73.3%，22.9元）、glm-5.2（73.0%，110.5元）、kimi-k2.6（72.9%，100.4元）、kimi-k2.7-code（72.6%，49.7元）、deepseek-v4-pro（71.7%，54.3元）等开源模型在中文综合总分上都高于Grok 4.5。其中qwen3.5-plus和kimi-k2.7-code的成本优势尤其明显。
3、官方评测
根据xAI/SpaceXAI官方博客（https://x.ai/news/grok-4-5），Grok 4.5是面向编码、Agent任务和知识工作的旗舰模型。官方强调，它在真实工程任务上做了大量训练，并与Cursor合作，让模型更贴近代码编辑器、代码库修改和长程软件工程工作流。
工程任务基准
官方给出的核心基准主要围绕软件工程和终端任务。需要说明的是，以下为官方口径，部分竞品数据来自各厂商公开资料或榜单，横向比较需留意测试口径差异：
DeepSWE 1.0：Grok 4.5得分62.0，低于Fable Max的66.1和GPT-5.5 xhigh的64.31，高于Claude Opus 4.8 Max的55.75和Claude Opus 4.7 Max的40.12。
DeepSWE 1.1：Grok 4.5得分53，低于Fable Max的70、GPT-5.5 xhigh的67和Claude Opus 4.8 Max的59，高于GLM-5.2的44。
SWE Marathon pass@1：Grok 4.5达到29.0，高于Claude Opus 4.8 Max的26.0、Fable Max的24.0和Claude Opus 4.7 Max的16.0。
Terminal-Bench 2.1：Grok 4.5达到83.3，接近Fable Max的84.3和GPT-5.5 xhigh的83.4，高于Claude Opus 4.8 Max的78.9。
SWE Bench Pro：Grok 4.5达到64.7，低于Fable Max的80.4和Claude Opus 4.8 Max的69.2，高于Claude Opus 4.7 Max的64.3、GLM-5.2的62.1和GPT-5.5 xhigh的58.6。
