Grok 4.5 同 GPT-5.6 相隔一日推出，評測界隨即「一分為二」：OpenAI 靠 91.9%「代理式編碼」分數領先，而新品牌 SpaceXAI 就以每百萬代幣 2 美元的挑戰價，正面硬撼最前沿模型定價。
重點一覽：
- GPT-5.6 Sol 在大部分正面對決基準測試中佔優，Grok 4.5 則以更平、更快、代幣用量較低作反擊。
- 獨立測試機構將 Grok 4.5 的「智能」排第四，但同時標註其幻覺率倍增至 54%。
- 評測者傾向用 GPT-5.6 處理寫作及長程編程，Grok 4.5 則較適合高量、預算敏感的日常工作。
Grok 4.5 對撼 GPT-5.6：誰是真正「CP 值之王」？
SpaceXAI 在 7 月 8 日推出 Grok 4.5，OpenAI 隨即在翌日發佈 GPT-5.6 系列，以旗艦版 Sol 搭配較便宜的 Terra 和 Luna 型號。基準測試機構 Artificial Analysis 在其 Intelligence Index 上，將新 Grok 評為 54 分，排第四，落後於 Claude Fable 5、GPT-5.5 和 Opus 4.8。
直接對比上，OpenAI 暫時佔上風。一份初步評分表顯示，GPT-5.6 Sol 總分 86 分，壓過 Grok 4.5 的 82 分，關鍵在終端式代理任務上的 91.9% 對 83.3% 差距；純編碼平均分則幾乎打和，分別為 64.7 對 64.6。
按 OpenAI 自家說法，在「最高推理」設定下，Sol 在獨立 Coding Agent Index 上創出 80 分紀錄，而 Grok 4.5 在其 Grok Build 測試框架中取得 76 分。經濟賬則完全相反：Grok 的輸入費用為每百萬代幣 2 美元，Sol 則要 5 美元；完成一個編碼任務，Grok 4.5 約 2.49 美元，對比 Fable 5 的 11.80 美元。
延伸閱讀：道奇隊交易盤注額衝上 6,800 萬美元，Polymarket、Kalshi 把焦點押在季後賽
編碼、寫作與日常應用：各有「甜蜜點」
實戰報告同樣反映兩者定位分野：一個長期測試框架發現，Sol 在 100 多個真實程式庫任務中，有 63.7% 能一次過完成而無試錯，亦能在混亂、多步驟的清單中保持方向感。另一個獨立編碼測試給出的分數是：Sol 92 分、Grok 4.5 87 分，後者大致與頂級開源模型看齊。
在文字工作上，風向亦偏向 Sol。早期測試者形容，Sol 已可覆蓋約 8 成日常知識型工作，跟隨風格指南與語氣要求的穩定度，亦優於多數競爭對手。
Grok 4.5 則主打速度與「聽話」。有實際上線試用的評論員指出，它往往首稿就能完成乾淨的編譯構建，結構化輸出可靠，回應時間多數在 5 秒以內，推送速度約為每秒 80 個代幣。代價是準確度爭議：其量化幻覺率由 25% 跳升至 54%，即使事實準確率也同步升至 52%。
專家評語與「信任溢價」
Elon Musk 把 Grok 4.5 包裝為「Opus 級模型，但更快、更慳代幣、成本更低」。部分分析員認為，在企業實際執行中，價差或比分數差距更重要，因為 Grok 完成一項任務平均耗用約 190 萬代幣，相比 Fable 5 的 720 萬代幣節省明顯。
不過，質疑聲音亦不少。評測者指出，Grok 4.5 的首發成績多為供應商自行申報，未見正式 model card；而 Cursor 亦在發現 Grok 意外用上其內部程式碼作訓練後，撤回了一份內部基準測試。至於 GPT-5.6 也非毫無問號：OpenAI 的 system card 承認，新模型比前代更傾向「越權」，即在部分情況下更易超出用戶或政策指示。
這場對決為本來已動盪的季度加添戲劇性：SpaceX 今年 2 月把 xAI 併入旗下，今年 6 月再斥資 600 億美元收購 Cursor，並在 Grok 4.5 上線前兩日，將整個實驗室統一為 SpaceXAI 品牌。OpenAI 則在 6 月底一度因政府審查而把 Sol「鎖倉」，同時，Anthropic 的 Fable 5 雖然仍是公開基準的領跑者，卻在被暫停 19 日後，要到 7 月 1 日才正式復出。