6 月 28 日，埃隆·马斯克（Elon Musk）在 X 上宣布 Grok 4.5 进入 SpaceX 和 Tesla 的内部测试。据相关报道，这款模型基于 1.5 万亿参数的 V9 架构。Musk 称其早期内部评估表现"接近、也许超越"Anthropic 的 Claude Opus，但尚未公布足以独立核验的测试结果。模型还未向公众开放，他同时提出在 2026 年下半年每月发布一款"从零开始训练的全新模型"。
这份计划同时提出了交付和验证要求：模型更新能带来多少能力提升，需要可复现的评测和实际使用来判断。
媒体称 V9 拥有 1.5 万亿参数，仍在继续后训练
据 Tech Times 梳理，Grok 4.5 搭载的 V9 基础模型于 5 月 26 日完成预训练，是 xAI 的第九代基础架构，不同于此前驱动公开 Grok 产品线的 v8-small（约 5000 亿参数）。V9 的 1.5 万亿参数规模大约是 v8-small 的三倍，比 5 月底发布的 Grok 4.4（约 1 万亿参数）增加了 50%。两款模型相隔约一个月，但参数规模并不能直接换算成能力增幅。
训练数据的加入时间也值得留意。据 Tech Times 报道，xAI 团队成员在 X 上确认，Cursor 的开发者工作流数据是在补充训练阶段加入的——也就是预训练完成之后——而非从预训练初期就整合到训练语料中。一位参与训练的 xAI 工程师直言，补充性加入"不如从一开始就放入初始训练"。报道还称，xAI 正在训练一个 2 万亿参数模型，计划从预训练开始就整合 Cursor 数据，团队预期其编码表现会更好。
这一差异涉及训练阶段如何使用数据。是否会影响最终编码表现，还需要在相同任务和条件下比较。
据报道，V9 架构还针对 NVIDIA Blackwell 代 GPU 进行了优化——这正是驱动 xAI 孟菲斯 Colossus 超级集群的硬件。Musk 还称，私有内测期间强化学习仍在持续改进模型。"RL 在持续显著提升模型，Grok Build 工具链每天都在进步，"Musk 在 6 月 28 日的 X 帖文中写道。
Cursor 数据用于补充训练，具体内容和效果尚未完整披露
Cursor 数据的使用是这次披露的另一项重点。SpaceX（xAI 已于 2026 年 2 月被其收购合并）在 6 月 16 日签署了以 600 亿美元全股票交易收购 Anysphere（Cursor 母公司）的协议，预计 Q3 完成交割。据相关报道，双方已开始合作使用部分开发者工作流训练数据；收购协议与最终交割仍是不同阶段。
开发工作流数据可能包含开发者与 AI 助手的交互、接受或拒绝建议的反馈，以及多轮任务的上下文。这类信息与代码库中的最终代码不同，有望帮助模型学习开发过程中的选择。不过，现有披露没有完整列出实际使用的数据内容、覆盖范围和授权条件，其效果也需要独立评测。
然而，整合的时间线有一个关键约束。Cursor 交易尚未完成交割，且如上所述，Grok 4.5 中的 Cursor 数据是补充训练的结果。正在训练的 2 万亿参数模型将从预训练阶段就整合 Cursor 数据，团队预期编码性能更强。当前模型与后续版本各自能带来多少改进，需要分开验证。
内部评估未说明 Opus 版本，公开比较仍缺依据
Musk 的原话是："Early evals show performance close to, perhaps exceeding Opus." "接近、也许超越"不是"明确优于"。这一说法保留了不确定性，并未给出明确胜出的结论。
公开比较还缺少三类信息。第一，现有评估来自与 Musk 关联的公司内部，未提供独立第三方的复现结果。SpaceX 已收购 xAI；Tesla 则是独立于 SpaceX 的公司。
第二，现有材料未给出 Grok 4.5 在 Humanity's Last Exam、LMSYS Arena 或 Artificial Analysis 上可核验的成绩。Artificial Analysis 的 Intelligence Index综合了多项评测，Claude 系列在当时的排名中表现较好，但其他版本 Grok 的成绩也不能用来代替本次内测模型的评估。
第三，比较对象的版本没有说明。Musk 宣称的比较对象是"Opus"，未指定版本号、评测集或方法论。作为背景，Tech Times 引用的 SWE-bench Verified 成绩为：Claude Code 使用 Opus 4.7 时得分 87.6%，Grok Build 使用更早的 grok-code-fast-1 时为 70.8%。这组模型与工具配置均不同于本次未明确版本的内部比较。
V9 可能比 v8-small 有进步，但报道中的三倍参数量，以及监督微调（SFT）加强化学习（RL）的训练流程，都不能独立证明其领先程度。"接近、也许超越 Opus"目前仍是内部评估说法。
月度发布增加训练投入，也增加开发者的评测工作
Musk 6 月 28 日帖文还提出了后续路线图：xAI 计划通过 SpaceX 在 2026 年剩余时间每月发布"完全从零开始训练的全新模型"。
按这一表述，新模型将重新进行基础训练，而不只是更新已有检查点。这类训练投入很大，媒体估算可能达到单次数亿美元，但 xAI 没有披露每次训练的实际成本。持续交付新模型也需要足够的算力、数据和评测能力。作为参照：Build Fast with AI 的 Grok 模型演进回顾显示，从 Grok 4（2025 年 7 月）到 Grok 4.5（2026 年 6 月），xAI 在约 11 个月内迭代了 6 个主要版本——现在它要将这个速度再压缩到每月一次。
但速度带来的不仅是优势。对于考虑接入 xAI API 的开发者，月度发布带来更多评测工作：如果每隔约 30 天都有新模型，团队就需要更频繁地判断是否重新测试、调整集成或升级产品。发布新版本不等于强制切换，但会增加选择和维护工作。
报道将当时公开 API 中的 Grok 4.3 描述为基于 v8-small、约 5000 亿参数，并提到 Musk 此前称其存在"许多根本性缺陷"。内测模型与开发者能够调用的产品尚有区别，Grok 4.5 的公开上线日期仍未明确。
Colossus 2 支撑训练计划，实际容量仍有不同估算
密集的模型训练需要大量计算资源，xAI 将 Colossus 2 集群作为重要支撑。据 Tesery 报道，Colossus 2 于 2026 年 1 月投入运营，成为全球首个吉瓦级 AI 训练集群，计划于 4 月升级至 1.5GW。该报道给出的配置为约 55.5 万块 NVIDIA GPU，总投资约 180 亿美元；这些报道值与全部设备已投入使用仍需区分。
关于后续模型，媒体还给出 Grok 5 目标规模为 6 至 10 万亿参数、正在 Colossus 2 预训练，以及另有六个训练任务并行运行的说法。有关 4.6、4.7 乃至 2026 年第四季度的安排，也属于后续路线图；这些规模与时间表尚需公司进一步披露和实际交付确认。
Colossus 2 的可用容量也受到质疑。Tom's Hardware 引用 Epoch AI 研究人员的卫星图像称，根据当时卫星图像估算，该设施的冷却能力约为 350MW，低于 xAI 宣称的 1GW 规模。这是对可见设施的估算，不能直接当作实际运行功率的测量结果。
内测能提供工程反馈，公开使用仍需等待交付与验证
这次内测将模型研发、工程任务、训练数据和计算资源联系起来。内部工程反馈可以补充标准基准，但两者回答的问题不同。
SpaceX 的航天工程和 Tesla 的车辆软件开发可以提供真实任务反馈，帮助团队观察模型在复杂资料和生产代码中的表现。Musk 称内测期间 RL 和工具链仍在改进，但这不等于所有生产操作都直接用于实时训练，具体反馈流程尚未公开。
截至本篇报道日期 6 月 29 日，现有公开材料仍未给出 Grok 4.5 的独立排行榜成绩、SWE-bench Verified 分数或面向普通开发者的访问路径。此前报道预期 V9-Medium 在 6 月中旬开放，但该窗口已过去，新的公开上线日期仍未明确。
作为对照，Artificial Analysis 在 5 月 28 日公布 Opus 4.8 的 Intelligence Index 得分为 61.4，在当时位列第一；Claude Code 和企业产品也已开放使用。xAI 若能按月交付有明显提升的新模型，就可能增加竞争压力，但两家公司的表现仍应放到同一任务和配置下比较。
接下来可以跟踪三个结果：Grok 4.5 何时开放，独立评测能否复现内部判断，以及月度更新能否持续降低真实任务的失败率和完成成本。这些结果会比参数规模或发布频率更直接地说明 xAI 与竞争对手的差距。
