Grok 4.5 vorgestellt
Heute veröffentlichen wir in Zusammenarbeit mit SpaceXAI Grok 4.5, unser bislang intelligentestes Modell und das erste, das wir nicht nur für die Softwareentwicklung entwickelt haben.
Grok 4.5 kann anspruchsvolle, länger laufende Aufgaben bewältigen, die einen kreativen Einsatz von Tools zur Problemlösung erfordern — sei es in der Softwareentwicklung, Data Science, im Finanzbereich, bei juristischen Aufgaben oder bei allem anderen, was du am Computer machst.
Cursor-Abos für Einzelpersonen und Teams beinhalten eine umfangreiche Nutzung des Modells sowie in der ersten Woche ein doppelt so hohes Nutzungslimit. Außerdem haben wir neue Schutzmechanismen hinzugefügt, die den Cybersicherheitsfähigkeiten des Modells Rechnung tragen.
Ein starkes Fundament
Grok 4.5 ist ein Mixture-of-Experts-Modell, das wir gemeinsam mit SpaceXAI trainiert haben.
Das Training umfasste Billionen von Token aus Cursor-Daten, die ein breites Spektrum an Benutzerinteraktionen mit Codebasen und Software-Tools abbilden. Dieser Datensatz ermöglicht es dem Modell, sowohl aus bestehender Software als auch aus Interaktionen zwischen Entwicklern und Agenten zu lernen, und bildet ab, wie Entwickler arbeiten und wie Agenten mit ihren Umgebungen interagieren.
Während wir unser vorheriges Modell, Composer 2.5, gezielt zu einem Spezialisten fürs Programmieren trainiert haben, haben wir die Mischung der Trainingsdaten für Grok 4.5 bewusst breiter angelegt. Dazu haben wir auf hochwertige STEM-Aufgaben, Research Paper und andere Formen der Wissensarbeit zurückgegriffen, sodass das Modell Kompetenzen in einer Vielzahl von Domänen aufbauen konnte.
Reinforcement Learning bei schwierigen Problemen
Wir haben Reinforcement Learning auf schwierige Probleme in realistischen Umgebungen angewendet, die sowohl Softwareentwicklung als auch breitere Wissensarbeit abdecken. Diese Umgebungen bringen dem Modell bei, Probleme zu analysieren, Tools zu nutzen, aus Fehlern zu lernen und Ergebnisse zu verifizieren.
Viele dieser Probleme mussten bewusst so gestaltet werden, dass selbst führende Modelle daran scheitern. Je besser Modelle werden, desto weniger lernen sie aus bestehenden Aufgaben, und Probleme, die früher umfangreiche Überlegungen erforderten, werden zur Routine.
Wir haben ein verteiltes Agent-System entwickelt, um diese Umgebungen in großem Maßstab aufzubauen. Ingenieure definieren ein Problem und die Art seiner Verifizierung, und große Gruppen von Agenten erstellen, testen und verfeinern jede Umgebung. Der Aufbau einiger davon hätte Teams aus Hunderten von Ingenieuren Monate gekostet. So haben wir unter anderem das vorherige Modell genutzt, um den Fortschritt beim nächsten Modell zu beschleunigen.
Erste Schritte mit Grok 4.5
Grok 4.5 ist ab heute in Cursor für Desktop, Web, iOS, CLI und unser SDK verfügbar.
In den Individual- und Team-Plänen ist eine umfangreiche Nutzung des Modells als Teil unseres eigenen Modellpools enthalten, und in der ersten Woche verdoppeln wir diese Nutzung. Das Basismodell kostet 6/M Output-Token. Es gibt auch eine schnelle Variante für 18/M Output-Token.
Grok 4.5 und Composer 2.5 gehören zu zwei unterschiedlichen Klassen von Modellgewichten, und wir freuen uns, beide Größen und Gewichtsklassen zu unterstützen. Composer 2.5 wird weiterhin angeboten, und wir werden künftig neue Modelle dieser Größe veröffentlichen.
- SWE-Bench Pro und Terminal-Bench zeigen selbst angegebene Scores für Drittanbieter-Modelle. Bei SWE-Bench multilingual stammt der GPT-5.5-Score aus unserem internen Durchlauf.
- Grok 4.5 hat bei CursorBench einen Vorteil, weil ein früherer Snapshot der Cursor-Codebasis versehentlich in das Training aufgenommen wurde. Die genaue Auswirkung ist unklar. Diese Daten wurden für künftige Modelle entfernt, und parallel arbeiten wir an einem größeren Update für CursorBench, daher der Ausschluss hier.
