眼看 GPT 5.6 就要发布啦，老马强插 Grok 4.5，还贴脸 Opus 4.8！我都看得按捺不住了！！
边路的 Grok，现在这么强么？我好奇心炸裂了，必须上手摸一下！国外的模型，我也可以放心吐槽，能写爽一些。
另外，各大厂商 +0.1 的挤牙膏，Grok直接干到4.5 版本，也算是个大版本了，必须测一测！
1、描述和基准
上手之前先看看基本资料，看看官方是怎么描述的：
今天，我们发布了Grok 4.5 ，这是 SpaceXAI 迄今为止最智能的模型，专为出色完成编码、智能任务和知识工作而打造。它是我们迄今为止最强大的模型，并与Cursor一起进行了训练。
这是整个稿子的第一段内容。专为出色完成编码、智能任务和知识工作而打造。这句话我已经听出老茧了。
国内外的新模型发布都是这么说的。GLM 5.2，Doubao 2.1Pro，HY3 几乎都是这个说辞！
文字描述总是有点抽象，下面来看看基准数据吧：
总共列出了 5 项基准！
其中确实有三项超过了 Opus 4.8，这三项中就有 Terminal Bench 2.1。
而 SWE Bench Pro 这个基准上还不敌 Opus 4.8！差了 5 个点左右，差距还是有点大的。
Terminal-Bench 2.1 是终端环境任务基准，主要是看 Agent 会不会用命令行干复杂活。
SWE-Bench Pro 是专业软件工程任务基准，主要是看 Coding Agent 会不会在真实项目里修复杂问题。
SBP 这个基准的纪录一直由Claude 保持，而且遥遥领先！
OpenAI 最近心态有点崩，开始发文章质疑这个基准有问题！
2、一句话构建
第二部分叫 "一句话构建"！
举的例子是用 Three.js 构建 3D 太阳系：
Make a beautiful simulation of the universe and solar system. should be sped up with adjustable time, realistic motion, orbits, stars. use threejs. Make the HUD well styled and conform to modern design principles.
效果图如下：
老马不会是偷偷看了我 TOPAI 中的例子吧。不能说很像，简直几乎是一模一样！
看官方例子，这个小星星带和群星璀璨的样子还是挺不错的，细节非常多！老马用这个例子给 Grok 秀肌肉也非常合适，毕竟他是要带我们去"火星"的男人，一个心怀星辰大海的男人。
3、速度快价格便宜
xAI 上特别强调了速度的问题，说是可以高达 80 TPS，属于快速模型级别！
另外还专门做了一个图表，叫做代币效率。Grok 4.5 大幅领先 Opus 4.8！
老马也在 X 上坦白了，能力差点意思，但是大部分人也不用那么强的模型，我们便宜啊！
其实听老马这么说我挺伤心的。追求极致的硅谷钢铁侠，现在也只能求个性价比！大模型这个行当看起来确实有点难，即便是亿万富翁亿万粉丝的老马，也有点带不动！
除了上面的一些内容之外，大概还讲了一些办公做 PPT 啥的，然后具体的 API 价格是，输入 2 ，输出6，相比国外模型是便宜。
不过，这个价格和速度说实话都比不过小米~~哈哈。卧龙已经推出 1000 TPS 的模型了，其他国产模型也有专门的高速模型，比这个快很多。
说那么多，其实还得是看实力。有了能力定位之后，才能去谈性价比。
我很早之前就想尝试 Grok Build，但是 300 美金一个月的重型套餐，让我望而却步。今天听说 X 的 P 会员也能摸几下了，我赶紧下载下来试一下！
4、Grok build 搞起来！
Grok build 是专为 Grok 模型打造的终端智能体啊。我也不知道优点是啥，反正自家工具配它们自家的模型应该是最合适的。如果你们不能乱理解这是个啥，就自动关联 Claude Code 和 Codex 吧！
这个安装非常简单，只需要一行命令：
irm x.ai/cli/install... | iex
安装过程如下：
安装完成只要输入 grok 或者 agent 就可以启动了
启动之后是需要登录授权的，授权完成之后就可以使用了。
我看了一下，确实默认已经是 Grok 4.5（High）了。而且我随便问了一句，确实能用！看了一下配额，确实是有配额的！
我已经迫不及待要跑跑例子了！
5、实测一把！
我们先拿官方的例子来测一把，让它现场给我搞一个3D太阳系看看。
直接用官方的提示词。
这里右上角有一个细节，这是一个 500K 的模型，这个尺寸也是挺有意思的，现在主流的已经到 1M 了。当然也还有腾讯混元 3 这样的特殊选手，最新模型是 256K 的！
大概花了4分钟时间就搞完了：
全程中文沟通，好评！
它告诉我，服务器已在运行：http://127.0.0.1:8765
让我打开这个地址进行查看：
效果大概就是这个样子，初看，这个太阳快要把水星（Mercury）给吞了！
除此之外，整体效果还是不错的！
比如这个木星，是有纹理的，其他行星也是如此，细节不错！
我之前跑 Opus 4.8 也是有这种设计的！
带纹理，然后可以点击某个行星，拉近景展示。
相比我之前测试的其他模型而言，在这个例子上 Grok 4.5 实测结果确实还不错！
官网的例子测完了，我们来测试一下我的例子了。
我们先来一个《赛博朋克之清明上河图》：
完了，老马肯定是看过我的网站了，哈哈~~这个例子居然还不错啊，中上水平！ 这个例子本身是挺特别的，但是我已经设计出来很久了，我怀疑被很多大模型做优化训练了。
下面是 Opus 4.8 的效果：
Grok 4.5 的画面很干净，把河和船也画出来了，不错，只是元素略少，中文元素略少，略显冷清。Opus 4.8 特意在屏幕上搞了一些中文繁体字，为了贴合主题，然后画面的层次感要好点，更加细腻。
Grok 4.5 把河水和船也画出来了好评！
重点是，它只用了两分多钟，没有任何校验，依次搞定。不像有些国产模型生成跑很久，然后又死命地校验，疯狂烧 Tokens！拿校验弥补能力上的缺陷。
接下来我们测试一下游戏吧，让它做一个《超级玛丽》。
提示词和我们以往测试一模一样。
这一次，它也是很快就做完了，不同以往的是，这一次它开始校验了！
这一波厉害了，它自己调用浏览器玩起来了。
一边玩一边修改代码。我一边看一边吃个瓜。它的第一个版本跳跃是有问题的，跳不高。还好它自己查出来了修复了这个问题。
这次总共花了9分钟，相比前面例子久了一些，但是相比40分钟起步的选手好了很多！
下面是它的总结。
已实现内容
• 经典 1-1 风格关卡：地面、坑、水管、砖块、问号砖、楼梯、旗杆、城堡 • 物理：重力、可变跳跃、土狼时间、台阶可走 • 敌人：栗子小子（可踩死，碰到会受伤/死亡） • 道具：金币、蘑菇变大（大马里奥可顶碎砖） • HUD：分数、金币、世界、时间、命数 • 流程：掉坑/被撞/超时死亡 → 扣命重生；摸旗杆滑下 → 走进城堡通关
自测结果
已验证：顶砖吃币、蘑菇变大、踩怪得分、旗杆通关，无明显 JS 报错。
祝通关愉快！若要加音效、第二关或移动端虚拟按键，可以说一声。
简单明了，这个风格我喜欢！最终结果也不错：
还原度和可玩性都还可以！是可以顺利通关的！
下面是 Opus 4.8 的效果：
说巧不巧，它们的结果，整体感觉，还是有几分相似的。Grok 4.5 不会蒸馏 Opus 4.8 了吧，感觉是贴着脸来的。当然，超级玛丽本来就是这个样子，也可能是殊途同归！
我也让他测试来一波《坦克大战》！
这一次很奇怪，验证的时候调用浏览器失败了，上一轮明明玩的很溜！
然后结果大概是这个样子：
这一波玩是可以玩，但是很难玩，细节并不是太好，地图，运行轨迹，打墙的逻辑都有些问题，和国产模型首轮结果差不多水平。
上面的例子，我已经测了有段时间了，接下来来一个比较新的例子。
天文机械表：
markdown
用单个 HTML 文件实现一只机械腕表风格的天文时钟，纯原生实现，不许使用任何库、框架或 CDN。要求：
1. 主表盘读取本地系统时间，秒针平滑扫秒，使用 requestAnimationFrame 驱动，且长时间运行不得累积漂移；切到其他标签页再切回来时，指针必须立即校准到正确时间。
2. 包含一个月相小表盘，根据当前日期计算并显示月相连续变化，公式需要自行实现，精度要求误差控制在 1 天内。
3. 包含一个可用的计时码表，通过子表盘指针显示，支持开始、暂停、继续、归零与计圈（lap），按钮在任意顺序点击都不能出现状态错误。
4. 日期窗显示当前日期，正确处理大小月与闰年。
5. 包含昼夜 / 日出日落指示，用户可在三到四个预设城市之间切换，并根据经纬度现场计算当地日出日落时刻。
6. 页面需要响应式，并尊重 prefers-reduced-motion：开启时秒针改为跳秒并关闭装饰动画；同时为各表盘补充 ARIA 标注。
7. 整体视觉要像一只真实的高级腕表，而不是普通练习作业。
只输出最终代码，不要解释。这个例子，目前大部分模型表现都不太行，基本上都有一些问题，只有 Claude 家的最强模型，可以一次搞定，没啥大问题。 这个问题的难点在于一下子塞了很多需求，都要动些脑子，会分散AI的注意力，导致它细节上犯错。
Grok 这一波又做了一个开枪不回头的帅气男人。一轮搞完，不检查！
这个设计是挺不错的，好评。
然后整个大的时钟是正常的，秒表和计圈是正常，月相也是正常的，包含了四个地区的日落日出。这些都是不错的。
但是它上面四个小表盘的设计不是太好。他用了三个小表盘来做秒表，这个太夸张了。正常情况是用一个到两个表盘来秒表计时就够了，毕竟是秒表。另外它的日期挡住了秒表的表盘。还有就是在选择地区的时候，没有在小表盘上标出日落和日出，月相部分比例应该是对的，但是缺少弧度。
总的来说，大方向还可以，细节还有优化空间。这个例子属于中等偏上的位置。
这个风格我非常喜欢！
我还尝试了让他一次性跑了9个例子：
只花了9分多钟，最终所有例子，都没有基础错误。这一点已经跑赢很多模型了。
感觉Grok 4.5 站起来了啊！
要知道grok-4.20的在arena上前端成绩可以是排在50多名哦，这次的4.5明显好了很多很多。奇怪的一点是arena每次第一次时间刷新国产模型的成绩，这次确没有grok4.5的成绩！
初次体验，Grok 4.5 确实有点东西。之前因为它表现太差，一直都没让它上桌。这次一上桌，就谈吐风雅啊。哈哈！
老马，可以扬眉吐气了😄！基准数据应该基本准确！
如果基准准确，那么估计Grok主要是在复杂编程项目上不如 Opus 4.8，相对简单的部分，并不会差太多。
Grok 4.5写代码整体来说效率很高，总成本应该是比较低的，而且结果也不错，以后可以重点观察一下，深入了解一下！
明天我会把相关的例子更新到：topai.jarvisuni.com/
可以进行直观的查看和比较，目前已经有十几个模型可以参考了！