Когда модель обучают на миллионах строк кода, она становится умной. Когда её обучают на реальных инженерных процессах, используя данные из IDE, она становится полезной. 16 июля xAI представила Grok 4.5, свою самую модель для кодирования и агентских задач, разработанную в тесном сотрудничестве с Cursor, что дало ей преимущество в практических сценариях.
Модель Grok 4.5 позиционируется xAI как самая в своей линейке, специально разработанная для кодирования, агентских задач и работы со знаниями. Её обучение проходило на обширных наборах данных, охватывающих инженерию, науку и математику, с акцентом на реальные инженерные сценарии. На старте Grok 4.5 доступна через Grok Build и Cursor.
Grok 4.5 демонстрирует конкурентную производительность на ряде бенчмарков, ориентированных на кодирование и решение инженерных задач. Она лидирует в некоторых тестах и показывает результаты, сопоставимые с моделями:
- SWE Marathon — 29.0% (лидер).
- Terminal Bench 2.1 — 83.3% (уступает Fable 84.3% и GPT 5.5 83.4% с минимальным отрывом).
- SWE Bench Pro — 64.7% (опережает GPT 5.5 с 58.6%, но уступает Fable 80.4% и Opus 4.8 69.2%).
- DeepSWE 1.0 — 62.0% (уступает Fable 66.1% и GPT 5.5 64.31%).
Обучение Grok 4.5 проходило на десятках тысяч GPU NVIDIA GB300, с применением техник для крупномасштабных запусков. XAI сосредоточилась на фильтрации и курировании данных: дедупликации, оценке качества и отборе по доменам. Ключевую роль в повышении интеллекта сыграло обучение с подкреплением (RL), охватывающее сотни тысяч задач, сфокусированных на многошаговых инженерных процессах. Это стало возможным благодаря партнерству с Cursor, которая предоставила обширный корпус реальных рабочих процессов кодирования из своей AI-IDE. Архитектура обучения поддерживает высокоасинхронные процессы, позволяя агентским "прогонам" (rollouts) длиться часами, пока обучение продолжается на тысячах GPU.
Grok 4.5 отличается высокой эффективностью и скоростью. Модель способна обрабатывать до 80 токенов в секунду (TPS) и демонстрирует примерно в два раза большую токен-эффективность, чем аналоги. Например, на задачах SWE Bench Pro она использует в 4.2 раза меньше выходных токенов, чем Opus 4.8. Стоимость использования Grok 4.5 составляет $2 за миллион входных токенов и $6 за миллион выходных токенов. XAI заявляет, что это обеспечивает наивысшее соотношение интеллекта к затратам времени и средств.
Помимо инженерных задач, Grok 4.5 стала моделью по умолчанию в Grok Build и демонстрирует способности в офисных приложениях. Она может создавать сложные модели в Excel, включая веб-исследования и формулы на нескольких листах, а также генерировать детализированные диаграммы в PowerPoint и писать чёткий текст в Word.
Инвестиции xAI в обучение Grok 4.5 на реальных инженерных данных, в том числе через партнерство с Cursor, создают сильного конкурента на рынке моделей для кодирования и агентских задач. Заявленная скорость и токен-эффективность в сочетании с конкурентной ценой могут сделать Grok 4.5 привлекательным выбором для инженеров. Однако её позиции на бенчмарках показывают, что модель не всегда является абсолютным лидером, и заявку на "самый высокий интеллект за единицу времени и стоимости" ещё предстоит подтвердить независимыми тестами.