什么值得买App

我的兴趣消费指南

什么值得买
连续签到专享现金活动

Grok三版本实测:选错白花钱,码农血泪教训

从7月到9月,xAI(或者说SpaceXAI)连续放出三个版本:Grok 4.5、Grok 4.6、Grok 4.7,间隔不到两个月。参数规模从1.5万亿跳到2.1万亿,官方一个比一个能吹——“超越所有模型”“工程推理最强”——但这些宣传和实际体验之间有多少水分,普通用户很难判断。更让人纠结的是,Cursor里已经内置了Grok4.6,SuperGrok会员能直接用4.7,老用户手里的4.5还没捂热,新版本又来了。这篇文章不做跑分堆砌,只解决一个问题:这三个版本各自适合什么人,你该选哪个。
三个月三版,定位有何不同
Grok 4.5是xAI第一款明确为“编码+Agent”打造的模型,发布于7月8日,参数规模1.5万亿,API价格$2输入/$6输出,500K上下文。官方当时放出的核心卖点是:SWE MarathonCoding基准领先,$0.31就能完成一次Intelligence Index任务,成本约为Claude Fable 5的五分之一。但与此同时,幻觉率从25%飙升到54%——这个数字在随后几个月被反复引用,成为4.5最大的黑点。1
Grok 4.6在8月12日登场,参数规模增至1.5万亿级别(与4.5同属一代),官方定位从“编码基准领先”转向“长任务、复杂推理、大仓库多文件重构”。这是SpaceX收购Cursor后,Grok作为Cursor“亲儿子”首次完整嵌入IDE。4.6与Grok4.5、Composer 2.5并列放在Cursor Models池里,从既有额度扣费,无需额外订阅。4.6比Composer 2.5慢——同样任务Composer三十秒出完,4.6要一分多钟——但在大仓库重构场景下,4.6的上下文保持能力明显更稳,不容易跟丢逻辑。2
Grok 4.7在9月12日发布,参数规模直接拉到2.1万亿,较4.6增长约40%。马斯克在发布会上称工程与科学推理“outperforms all models”,并透露初始预训练已补充了SpaceX真实工程数据。独立评测显示4.6已领先GPT-5.6 Sol,但仍落后于Claude Opus 5与Fable 5,4.7能否靠规模补齐这个差距,目前没有第三方数据支撑——xAI至今没有发布官方模型卡,所有性能声明都来自创始人陈述。另外,Grok 5仍在训练中,截至9月15日尚无确定发布日期。3
编码和Agent场景,到底行不行
从基准数据看,Grok系列在编码上的强项和短板都很明显。在SWE Marathon这类相对短小、可验证的编程任务上,4.5的pass-at-one达到29%,领先GPT-5.5;但在SWE-Bench Pro这种需要长时间多步骤推理的复杂评测中,4.5只有64.7%,而Claude Fable 5冲到80.4%。一句话概括:做得了,做得快,但复杂任务还是会被Claude拉开差距。1
在Agent使用场景上,Grok 4.6和4.7的定位是“长程工程Agent”——比如需要跨几十个文件做重构、或者让AI自主操作浏览器和桌面应用。4.6在Cursor里的GrokBot(Heavy档)已经支持浏览器操作和桌面应用控制,属于Early Beta阶段。用户反馈中有一个值得关注的点:Grok CLI默认会把整个工作目录、.env文件和git历史打包上传到谷歌云存储桶,且关闭“Improve the model”开关后仍然无效——如果你在意代码隐私,这是需要纳入决策的风险项。4
和Claude、GPT摆在一起,差距在哪
Grok系列的核心优势是价格和速度。在Artificial Analysis的Intelligence Index评测中,Grok 4.5拿到54分,排在Claude Fable 5、GPT-5.5、Claude Opus 4.8之后位列第四,但成本只有前者的五分之一左右。4.6的速度(53 tok/s)比4.5快,上下文窗口500K,API价格与4.5持平。Claude系列则在长文档处理、复杂代码生成和稳定性上保持领先——HumanEval基准Claude 3.5 Sonnet得分84.9%,Grok 4.5为72.1%,差距约15%。15
Grok和Claude的选择逻辑其实不复杂。选Claude:写代码量大、文档处理多、任务复杂到需要稳定推理。选Grok:轻度编码、需要实时X数据辅助、或者预算有限想压成本。4.7虽然参数冲到2.1万亿,但目前缺乏第三方独立评测验证,实际能力仍是“黑箱”——急着上手可以先用4.6跑通工作流,等社区积累足够反馈再迁移不迟。
三个版本到底怎么选
如果只用一个原则做决策,那就是:任务复杂度决定版本。日常写个小函数、补个测试、做个代码Review,用Grok4.5甚至Composer 2.5就够,响应快、不浪费额度。大仓库重构、多文件批量修改、需要保持长时间上下文不掉线的任务,上4.6,它在复杂工程场景的稳定性明显优于4.5。至于4.7,等一个能跑通的生产端点、看看社区的实测反馈再决定不迟——参数规模不等于实际能力,ARC-AGI-3那种“在自家环境99.9%、在标准环境62.7%”的案例不是孤例。2
关于Grok CLI数据上传的风险,如果你在处理含密钥或敏感信息的项目,建议先确认当前使用的Grok版本是否修复了未经授权上传工作目录的问题,或者考虑在本地隔离环境中使用。关于定价,SuperGrok月费$30(Heavy档$300),比ChatGPT Plus贵,但如果你同时需要SuperGrok会员权益和Cursor的深度集成,综合算下来比单独订阅Claude Pro+ChatGPT Plus划算。DeepSeek V4 Pro这类竞品也在逼近——能力差距约5%、价格差几十倍的叙事正在动摇Grok的性价比护城河,想尝鲜可以对比测试。2
总结一下:Grok 4.5到4.7的迭代路径是清晰的——从“编码基准领先”到“长程Agent主力”再到“参数规模冲击”,但每次迭代都没有甩掉同一个问题:官方宣传和独立验证之间的落差。4.7的2.1万亿参数听起来唬人,但xAI至今不发布模型卡,让实际能力评估只能靠创始人声明撑着。如果你是Cursor老用户,4.6已经在手边能用,性价比仍然在线;如果你是新用户想尝鲜,4.6比4.7更稳妥——成熟度更高、踩坑更少、额度消耗也更可预期。等Grok 5出来、有了第三方评测数据,再做大的切换也不迟。

评论

评论区空态插画

当前文章无评论,是时候发表评论了