研究

推出 Grok 4.5

1 分钟阅读

今天,我们与 SpaceXAI 一同发布 Grok 4.5。它是我们迄今最智能的模型,也是首个不只面向软件工程构建的模型。

Grok 4.5 能处理高难度、长时间运行的任务,能够创造性地运用工具解决问题,无论是软件工程、数据科学、金融、法律工作,还是您在计算机上进行的其他工作。

Grok 4.5 基准测试结果Grok 4.5 基准测试结果

Cursor 面向个人团队版的订阅方案均包含该模型的大量用量,且首周用量翻倍。我们还新增了与该模型网络安全能力相匹配的防护措施。

坚实的基础

Grok 4.5 是一个混合专家模型,由我们与 SpaceXAI 联合训练。

训练使用了数万亿 token 的 Cursor 数据,这些数据捕捉了用户与代码库及软件工具的广泛交互。这个数据集让模型既能从现有软件中学习,也能从开发者与智能体之间的交互中学习,从而反映开发者如何工作,以及智能体如何与其环境互动。

虽然我们此前将 Composer 2.5 训练为专精编程的模型,但在 Grok 4.5 上,我们有意让训练数据的构成更广泛。这包括纳入高质量的 STEM 任务、研究论文以及其他知识工作内容,从而让模型在广泛的领域中都具备了较强能力。

在难题上进行强化学习

我们在覆盖软件工程和更广泛知识工作的真实环境中,针对难题开展了强化学习。这些环境会训练模型探索问题、使用工具、从错误中恢复,并确认结果。

这些问题中有很多都必须被设计得足够困难,难到即便是前沿模型也会失手。随着模型不断提升,现有任务就无法再教会它们新的东西,而那些曾经需要大量推理的问题也会逐渐变成常规任务。

我们开发了一套分布式智能体系统,以大规模构建这些环境。工程师负责定义问题以及如何确认解决方案,而大批智能体则负责构建、测试并完善每个环境。其中一些环境,如果交给团队人工构建,可能需要数百名工程师耗费数月时间。这也是我们用上一代模型加速下一代模型进展的方式之一。

开始使用 Grok 4.5

Grok 4.5 现已在 Cursor 的桌面端、Web、iOS、CLI 和我们的 SDK 中可用。

个人和团队方案均包含该模型在我们第一方模型池中的大量用量,并且在第一周内,用量将翻倍。基础模型的价格为每百万输入 token 2 美元、每百万输出 token 6 美元。另有一个快速变体,价格为每百万输入 token 4 美元、每百万输出 token 18 美元。

Grok 4.5 和 Composer 2.5 属于两种不同的模型权重级别,我们很高兴同时支持这两种规模和权重。Composer 2.5 将继续提供,未来我们也会发布这一规模的新模型。


  1. SWE-Bench Pro 和 Terminal-Bench 展示的是第三方模型自行报告的分数。对于 SWE-Bench multilingual,GPT 5.5 的分数来自我们的内部运行。
  2. Grok 4.5 在 CursorBench 上占优,是因为 Cursor codebase 的一个较早快照被意外纳入了训练数据。具体影响尚不明确。这些数据今后不会再用于后续模型;与此同时,我们也在并行推进对 CursorBench 的一次更大更新,因此此处将其排除。

分类: 研究

作者: Cursor Team