6 月 28 日，Elon Musk 在 X 上宣布 Grok 4.5 进入 SpaceX 和 Tesla 的私有内测。这款基于 1.5 万亿参数 V9 架构的模型，据 Musk 描述，内部评估表现"接近甚至超越"Anthropic 的 Claude Opus。但伴随这一声明的是一组更值得关注的事实：没有任何独立的第三方基准测试可以支撑这一论断；模型对公众完全不可访问；而 xAI 同时做出了一个没有任何前沿 AI 实验室公开承诺过的计划——2026 年下半年，每月发布一款"从零开始训练的全新模型"。
这是一个以速度换验证的策略。问题在于，追赶 Anthropic 不仅需要足够快的迭代，还需要足够可信的基准。
V9 架构与 1.5 万亿参数：xAI 迄今为止最大的模型
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，与此前驱动公开 Grok 产品线的 v8-small（约 5000 亿参数）完全不同。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%。从 Grok 4.4 到 Grok 4.5，xAI 仅用了一个月就将参数规模提升了 50%，这一扩展速度在行业中没有先例。
但参数规秓本身有一个重要的技术细节。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"。xAI 已经在进行一个 2 万亿参数的训练运行，该运行将从预训练开始就整合 Cursor 数据，预计编码性能将超过 Grok 4.5。
这意味着当前正在 SpaceX 和 Tesla 内测的 Grok 4.5 可能已经存在一个结构性限制，而其继任者正是为解决这个限制而设计的。
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。在私有内测期间，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 数据整合：编码能力的差异化武器
Grok 4.5 最实际的技术差异点并非参数规模，而是 Cursor 训练数据的整合。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。这笔交易使 xAI 获得了 Cursor 的开发者工作流训练数据。
与 GitHub 代码库训练不同，Cursor 数据包含的是开发过程的完整记录：开发者与 AI 助手之间的交互、被接受的建议、被拒绝的编辑、跨会话的上下文积累。代码库记录的是开发的产物，Cursor 数据记录的是开发的过程。这种训练信号的质量——如果独立评测证实有效——将使 Grok 4.5 在编码辅助行为上更接近真实开发者的需求，而不仅仅是生成"看起来正确"的代码。
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，预期编码性能更强。对开发者而言，这意味着 Grok 4.5 在编码上的真正差异化可能要到下一版模型才能充分兑现。
"接近甚至超越 Opus"：一个无法验证的声明
Musk 的原话是经过精心措辞的："Early evals show performance close to, perhaps exceeding Opus." "接近、也许超越"不是"明确优于"。这是他对自己不那么有信心的模型才会使用的保留措辞。
这一声明有三个无法回避的问题。第一，评测完全来自内部。运行测试的工程师在 SpaceX 和 Tesla 工作——这些组织与 xAI 同属 Musk 控制的 SpaceX 集团公司。房间里没有独立第三方。
第二，xAI 没有将当前 Grok 代际模型提交给任何主要第三方基准测试平台。截至 6 月中旬，Grok 4.3 在 Humanity's Last Exam、LMSYS Arena、Artificial Analysis 等公认评测平台上均无可公开验证的数值成绩。在 Artificial Analysis 的 Intelligence Index（跨 9 项评估的综合指标）上，Claude 系列模型——Fable 5 和 Opus 4.8——目前位列前茅，Grok 模型并未出现在排名中。
第三，比较对象本身是移动靶。Musk 宣称的比较对象是"Opus"，未指定版本号、评测集或方法论。而 Anthropic 的 Claude Opus 4.8 目前在多个独立编码评测上保持领先——Claude Code 在 SWE-bench Verified 上得分 87.6%，而 Grok 系列的 grok-code-fast-1 在同一测试上为 70.8%。
这并不意味着 V9 模型不是对 v8-small 的真正进步。参数规模的三倍跃升是真实的，SFT 加 RL 的后训练管线也是其他实验室用来生产竞争性模型的相同方法。但"接近甚至超越 Opus"是关于一个不可访问模型的自报声明，而这个行业已经学会了在有独立验证之前谨慎看待此类声明。
月度发版：最快的迭代节奏，最大的评测难题
Musk 6 月 28 日帖文中包含的路线图声明可能比 Grok 4.5 本身更具行业影响：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"。
这不是微调变体，不是检查点更新，而是从预训练管线从头开始的完整基础模型。此类训练运行的单次成本在数亿美元级别。如果 xAI 按此节奏执行，这将是关于其 Colossus 计算容量的一项结构性声明，在前沿 AI 实验室中没有先例。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，月度发布创造了一个独特的评测困境：今天基准测试的模型、集成到生产管线的模型、构建客户产品的模型，每隔 30 天就会变成另一个目标。在季度发布节奏下已经很痛苦的应用切换成本，在月度节奏下会加剧。
更根本的问题在于，xAI 当前的公开 API 运行的是 Grok 4.3——基于 v8-small 架构的 5000 亿参数模型，Musk 本人此前在 X 上描述其为存在"许多根本性缺陷"。从开发者 API 中可用的模型到 SpaceX 工程舱中的模型，差距目前以万亿参数计。这个差距的弥合时间表，xAI 并未公开承诺。
Colossus 2：支撑野心的基础设施
月度发布的全新基础模型需要前所未有的计算基础设施。xAI 的 Colossus 2 超级计算机正是这套野心的物理基础。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。目前该系统拥有约 55.5 万块 NVIDIA GPU，总投资约 180 亿美元。
Grok 5 的目标参数规模是 6 至 10 万亿参数——如果实现，将是所有公开讨论过的最大模型架构。Grok 5 正在 Colossus 2 上进行预训练，同时运行的有六个其他训练任务。V9 系列的月度变体（4.5 及未来的 4.6、4.7 直至 Q4 2026）是通向 Grok 5 的强化学习和能力提升过程中的踏脚石。
不过，值得注意的是，关于 Colossus 2 的真实容量存在争议。Tom's Hardware 引用 Epoch AI 研究人员的卫星图像指出，该设施的冷却能力仅为 350MW，与 xAI 宣称的 1GW 规模存在显著差距。在评估 xAI 的训练基础设施声明时，这一争议需要被纳入考量。
追赶 Anthropic：速度、评测与可信度
xAI 的差异化策略可以概括为：用 Musk 自家公司的真实工程任务替代标准基准测试，用月度迭代替代季度发布，用垂直整合（模型 + 训练数据 + 部署环境 + 计算基础设施）替代生态合作。
这个策略的优势显而易见。SpaceX 的航天工程工作流和 Tesla 的车辆软件开发提供了任何基准测试都无法模拟的真实世界技术任务。将私有内测作为实时 RL 训练环境而非冻结的 QA 阶段，是从系统工程借来的开发哲学——大多数 AI 模型在某个训练检查点冻结后部署，而 Grok 4.5 在评估的同时持续改进。
但这个策略的缺陷同样清晰：零独立验证。截至 7 月 6 日，Grok 4.5 未提交至任何公开排行榜，未被 Artificial Analysis、LMSYS Arena 或任何公认第三方 AI 评测机构评估，没有 SWE-bench Verified 分数，没有公开访问路径，也没有确认的通用可用性日期。原定 V9-Medium 模型 6 月中旬公开发布的时间窗口已经过去，未有任何发布。
对于 Anthropic 而言，Grok 4.5 的出现既是竞争压力也是战略验证。Claude Opus 4.8 在 Artificial Analysis Intelligence Index 上以 61.4 分领先，在 SWE-bench 等编码评测上广泛领先，且已通过 Claude Code 和 Claude Enterprise 建立了深厚的企业部署基础。但 xAI 的迭代速度——如果真的能以月度频率交付有意义的性能提升——将挑战 Anthropic 更审慎的发布节奏。
最终，xAI 能在多大程度上缩小与 Anthropic 的差距，取决于一个尚未回答的问题：月度发版带来的究竟是复合性的能力提升，还是无法被独立评测验证的快速承诺。2026 年下半年，这个问题将得到实证检验。在此之前，"接近甚至超越 Opus"仍然只是一个关于不可访问模型的内部陈述——而 AI 行业对这类陈述已经有了足够的经验教训。
