YOHO AI

标签： AI模型

  • Anthropic半年连推五代模型：Opus 5比自家旗舰更便宜、限制更少还更好用

    Anthropic又出手了。上周五，它悄悄上线了Opus 5——旗下那条主力重量级模型线的最新一代。有意思的是，Opus 5比自家旗舰Fable 5个头更小，但价格更便宜、限制也更少，多数场景下反而更好用。

    Opus 5在官方给出的多项基准测试里，成绩甚至反超了体量更大的旗舰Fable 5。

    Anthropic Opus 5 发布
    Anthropic 上线 Opus 5 模型（图片来源：TechCrunch）

    半年连推五代，节奏快得有点吓人

    这个更新速度值得说一句。Opus 5距离5月28日发布的Opus 4.8才过了两个月。再往前看，Mythos 5、Fable 5、Sonnet 5全挤在6月上线。算下来，整个5系列里现在只剩最轻量的Haiku还没跟上，其余全部完成了换代。对开发者来说，这意味着几乎每隔几周就得重新掂量一遍：手头的活儿到底该调用哪个模型最划算。

    更会”自己检查作业”

    Anthropic在发布博客里反复强调，Opus 5″更擅长核验自己的工作成果，会耐心地反复迭代直到把任务做成”。他们举了个例子：给它一段并不完整的提示，让它写一条计算机视觉处理流水线，Opus 5能自己把缺的部分补齐、跑通。这种”不满足于交个半成品、会自己回头查漏补缺”的特质，恰恰是过去大模型最让人头疼的短板。

    松绑：隐私党最在意的那条限制没了

    Opus 5另一个卖点是”限制更少”。它摆脱了一直缠着Fable的不少束缚，其中最关键的一点：它和前代一样，不受那条针对Fable、Mythos的30天数据留存政策约束。这条政策此前让不少注重隐私的用户心里犯嘀咕，如今Opus这边算是给了个交代。

    当然，安全护栏没有完全撤掉，尤其是网络安全相关的敏感操作。比如，Opus 5会拦住你去扫描一个软件二进制文件里的漏洞，但允许你在源代码里找漏洞——因为后者更可能是出于防御目的。Anthropic预计，这套安全分类器在Opus 5上被触发的频率，会比Fable 5低大约85%，算是给能力稍弱的模型松了松绑。

    被护栏挡住时，不再直接报错

    针对护栏偶尔”误伤”正常请求这件事，Anthropic还顺手上了个新功能。用户可以选择开启一个叫”Automatic Fallbacks（自动回退）”的测试版特性：当某个提示触发了安全分类器，系统会自动把请求转给一个能力较弱、但不受限的模型来处理。这样一来，开启该设置的API用户拿到的就是一条能用的回复，而不是冷冰冰的报错信息。

    • Opus 5比旗舰Fable 5更小，却更便宜、限制更少，多数场景更实用
    • 距上一代Opus 4.8仅两个月，5系列只剩Haiku未更新
    • 更擅长自我核验与迭代，能从残缺提示补全计算机视觉流水线
    • 不受30天数据留存政策约束，安全分类器触发率比Fable 5低约85%
    • 新增Automatic Fallbacks测试功能，触发护栏时自动改用弱模型回应

  • 自研模型跟不上，Runway改当裁判：推出生成式媒体首个模型路由器

    Runway不想再只当一家做模型的公司了。这家靠AI视频起家的初创，最近想干的是给整个生成式媒体行业当”基础设施”。周四它上线了一个叫Runway Media Router的工具，本质上是个模型路由器——你提一个需求，它自动帮你挑出最合适的图像、视频或音频生成模型来干活。

    Runway Media Router 模型路由器
    Runway推出面向生成式媒体的模型路由器Media Router（图片来源：Runway / TechCrunch）

    模型太多了，开发者根本挑不过来

    这个路由器接在本月早些时候上线的开发者平台Runway Dev上，通过API能一次性接入一大堆第三方的图像、视频、音频模型，外加Runway自家的。路由器会根据你更看重质量、速度还是成本，自动选模型。模型路由在大语言模型圈子里早就不新鲜了，但Runway说，这是头一个专门为生成式媒体做的。

    “大多数开发者根本没时间去搞懂每个模型的能力边界，也说不清它们在视频、图像、音频各类输出上到底强在哪、差在哪。我们能提供的，就是这层判断力。”——Runway首席产品官 Anthony Maggio

    道理其实挺朴素。这两年生成式媒体模型多到爆炸，新品一个接一个，开发者光是评测就够呛。通过Runway Dev，Adobe、Cloudflare、ElevenLabs、Expedia、Shutterstock、Quora这些客户可以直接把媒体生成能力嵌进自己的产品里，不用再把用户往Runway的App上导。

    成本和质量，才是客户最在意的

    路由器能设的偏好不止一种。Maggio提到，不少企业对来自中国的生成式媒体模型不太放心，可以直接把偏好设成只用美国厂商——尤其眼下特朗普政府正在琢磨对中国开放AI模型的禁令和制裁，这种需求可能会越来越常见。不过他说，客户最关心的其实还是两件事：按token算的价格，和输出质量。2026年token账单成了热门话题，那些全押智能体AI的企业，被高昂的账单狠狠上了一课。

    当不了最强模型，那就当最强的调度层

    质量这块，生成式媒体比语言模型难判断得多——一段视频动作处理得好不好、一张图构图行不行、配音对不对得上口型，都不是跑个分就能说清的。Runway的底气来自它自家创意团队多年攒下的评测经验，这层”判断力”其实早就为它5月推出的智能体产品打磨过了，现在只是把同一套技术打包给外部开发者用。

    说到底，这步棋反映的是Runway的处境。它上一款自研视频模型Gen 4.5还是去年12月发的，当时确实登顶过榜单、压过谷歌；但之后除了5月给编辑模型Aleph 2.0做过升级，就再没扔出新的前沿视频模型（Gen 5至今没影）。如今在文生视频、图生视频的榜单前列，坐着的是谷歌、字节跳动、阿里这些大块头。

    • Media Router号称首个专为生成式媒体打造的模型路由器
    • 已接入客户：Adobe、Cloudflare、ElevenLabs、Expedia、Shutterstock、Quora
    • 可按质量、速度、成本，甚至模型产地设置偏好
    • Runway近期把无限订阅改成按token计费，曾引发用户不满

    联合创始人Anastasis Germanidis说得直白：底下得有好模型，但”编排”这层越来越重要，因为大家现在是拿模型做整套营销campaign、拼多镜头成片。与其赌某一个模型永远领先，不如假设最强的模型一直在换——路由器的思路正是这样，让Runway哪怕不是那个最强模型，也能稳稳留在牌桌上。

  • Anthropic甩出Opus 5：比旗舰便宜、限制更少，跑分还反超Fable 5

    Anthropic这个更新节奏是真的快。周五，他们家的重量级模型Opus 5正式上线，距离5月28日发布的Opus 4.8才过去两个月。算上6月扎堆亮相的Mythos 5、Fable 5和Sonnet 5，整个5系列现在就剩轻量级的Haiku还没换代了。

    有意思的地方在于，Opus 5虽然个头比旗舰Fable 5小，但官方公告里列出的一堆基准测试，它反而跑赢了Fable 5。再加上它更便宜、限制更少，Anthropic自己都承认，大多数场景下用户恐怕会更愿意选Opus 5。

    官方给的说法是，Opus 5″在验证自己的工作、反复迭代直到成功这件事上强了不少”。发布材料里有个例子：面对一个信息不全的提示词，它自己把一条计算机视觉流水线从头写了出来。

    Anthropic发布Opus 5模型
    Anthropic正式发布Opus 5（图源：TechCrunch）

    隐私和限制，都比Fable宽松

    Fable 5发布以来一直被两件事拖累：一是30天数据留存政策，让不少在意隐私的用户心里犯嘀咕；二是安全分类器动不动就拦请求。Opus 5在这两点上都松了绑——它不在数据留存政策的覆盖范围内，安全分类器的触发频率官方预计也会比Fable 5低85%。逻辑很直白：能力弱一档的模型，看管自然可以松一点。

    当然，护栏没有完全拆掉。网络安全类任务还是管得最严的：Opus 5不能直接扫描软件二进制文件找漏洞，但可以在源代码里找——因为后者更可能是防守方在做安全审计，前者更像攻击者的操作。这条线画得挺讲究。

    触发护栏不再报错，自动降级接着干

    前一天还有安全研究员集体吐槽AI护栏碍事，这次Anthropic顺手给了个补救方案：一个叫Automatic Fallbacks的测试版功能。开启之后，一旦请求触发了安全分类器，系统不再甩一个错误信息给你，而是自动把请求转给一个能力弱一些的模型去处理，API用户至少能拿到一个能用的结果。

    • Opus 5比Fable 5小、便宜、限制少，多项基准反而领先
    • 不受30天数据留存政策约束，安全分类器触发预计少85%
    • 二进制漏洞扫描仍被禁止，源代码找漏洞放行
    • 新功能Automatic Fallbacks：触发护栏时自动降级到弱模型，不再直接报错

    这一手其实值得同行学：护栏要有，但别让守规矩的用户跟着受罪。旗舰模型管严点，次旗舰放宽点，再配一个自动降级兜底，体验和安全都照顾到了。至于Opus 5跑分反超Fable 5这件事，多少有点尴尬——花更多钱买旗舰的用户，怕是要重新算算账了。

  • 谷歌一口气发三款Gemini，但最想要的Pro版，又鸽了

    谷歌 DeepMind 在周二丢出了三款新模型：Gemini 3.6 Flash、3.5 Flash-Lite，以及 3.5 Flash Cyber。光看名字像是在挤牙膏，但这次的重心很明确——不跟你卷参数，卷的是便宜、快、稳。

    先说当家花旦 3.6 Flash。谷歌管它叫“主力模型”，在写代码、知识工作和多模态上都有提升，关键是把 token 消耗量砍了最多 17%，比上一代 3.5 Flash 更省钱。3.5 Flash-Lite 则是这个档位里最划算的一个，主打一个“量大管饱还便宜”。

    谷歌说，这一波发布的核心，是给那些“大规模部署 AI 智能体”的客户，交付效率、延迟和可靠性。

    有一款，专门给搞安全的

    三款里最特别的，是 3.5 Flash Cyber。它是为找漏洞、修漏洞专门微调出来的模型，价格也压得不算离谱。但谷歌给它加了道门：这款只面向政府和“可信合作伙伴”，走限量试点，不公开随便用。把安全能力收在门槛后面，既说明了它的分量，也透着谷歌对这类敏感能力的谨慎。

    真正的大招，又没来

    这次发布的看点，一半在发的东西，一半在没发的。所有人都在等的旗舰 Gemini Pro，这次依然缺席。上一次 Pro 更新还是今年二月。这几个月里，对手可没闲着：OpenAI 出了 GPT-5.5，正在铺 GPT-5.6；Anthropic 连发 Claude Opus 4.8、Claude Sonnet 5，还把前沿的 Fable 5 放开了一部分。发布节奏一对比，压力给到了谷歌这边。

    其实谷歌五月就吊过胃口，说 Pro 版“已经在内部用上了，下个月就推”。结果上周彭博社报出来：3.5 Pro 因为达不到内部性能目标，发布被往后拖了。产品负责人 Logan Kilpatrick 周二在 X 上说，3.5 Pro 正在和合作伙伴一起测，“希望很快落地”，顺带还透露团队已经启动了迄今最雄心勃勃的 Gemini 4 预训练。

    谷歌 Gemini 模型
    谷歌这次发的是 Flash 系列，旗舰 Pro 仍缺席（图源：TechCrunch）
    • Gemini 3.6 Flash：主力模型，token 用量最多降 17%，比 3.5 Flash 更便宜
    • Gemini 3.5 Flash-Lite：同档最省，适合高吞吐场景
    • Gemini 3.5 Flash Cyber：专攻漏洞挖掘与修复，仅限政府及可信伙伴试点
    • 旗舰 Pro 继续缺席，3.5 Pro 因内部目标未达成而延期

    所以这一轮，谷歌交出的答卷是“把便宜好用的 Flash 做更便宜更好用”，而真正的王牌 Pro，还在打磨。在对手疯狂刷版本的当下，这种“先发辅料、压着主菜”的节奏，到底是无奈还是策略，可能要等 3.5 Pro 真正落地那天才有答案。

  • 字节跳动放出 Seed Audio 1.0：给视频配音，AI 不再只会「念稿」

    字节跳动 Seed Audio 1.0 音频创作模型
    Seed Audio 1.0 用统一框架联合建模人声、音效与环境声（概念图）

    做短视频、短剧的人大概都有过这种崩溃：画面拍好了，配一段像样的音效比写脚本还费劲。人声要去录音棚，环境声要现找素材，音效还得一笔笔手动对时间轴。7月20日，字节跳动 Seed 团队丢出一个叫 Seed Audio 1.0 的模型，想把这个流程一口气吞掉。

    它不是拼接，是「一起想」

    过去这类工具大多是各管一摊：一个模型生成人声，一个模型找音效，最后人工混音。Seed Audio 1.0 的卖点在于，它在一个统一框架里同时建模人声、音效和环境声，端到端直接产出一段能拿来叙事的完整声音。官方一句话挺妙：声音不再只是画面的补丁，而是能直接参与讲故事，「听见」即「看见」。

    具体有三个本事。第一是精细的时间编排，按时间线控制对白和音效什么时候进场，精度能到 100 毫秒，做视频配音和广告卡点刚好。第二是音色稳，支持零样本生成和长音频延展，一个角色从头到尾音色不变，还能同一声音演多个角色、带不同情绪。第三是语种全，覆盖中文、英文、日语等 20 多种语言，重音和节奏都按当地习惯来。

    官方评测显示，在影视、短剧、动漫、播客等多数场景里，音频可用率已经跑到 90% 以上；多语言自然度方面，大部分语种 MOS 评分超过 4 分，算优秀水平。

    从「会说」到「会创作」

    这中间的区别挺关键。早几年的语音合成，本质是把文字念出来，语调再自然也还是「读稿」。Seed Audio 1.0 瞄准的是创作——你给一条指令，它自己安排谁说话、什么情绪、背景音怎么铺、什么时候淡入。对短剧和动漫团队来说，这意味着原本要分几个工种、花几天的活，可能压缩到一轮生成。

    • 影视级音频：对白、音效、环境声统一编排，叙事更连贯
    • 可控音色：长音频保持一致，同一声音可演多角色
    • 20+ 语种：自然生成，适配本地表达节奏

    先上体验，后面还有大招

    模型现在已经放在火山方舟体验中心，创作者能直接试。团队放话，接下来会接进视频参考这类多模态输入，还会做可控翻译、长音频和分轨生成，方向是把脑子里的声音构想更快变成能听见的成品。

    大模型从文本、图像一路卷到音频，Seed Audio 1.0 是个信号：AI 音频正从单点工具走向全场景创作平台。对内容创作者，门槛又低了一截；对行业，竞争也从「谁念得真」变成「谁编得巧」。

  • Ollama 融了 6500 万美元：14 个人，跑进 85% 的财富 500 强

    有个工具你可能从没听过名字，但它已经悄悄跑进了 85% 的财富 500 强企业里。它叫 Ollama，干的事很纯粹：让开发者在一行命令里，把开源大模型下载下来、在自己的电脑或服务器上跑起来。

    Ollama 创始人 Jeff Morgan（左）与 Michael Chiang（右）
    Ollama 联合创始人 Jeff Morgan（左）与 Michael Chiang（右）。（图源：David Paul Morris / Ollama）

    6500 万美元，钱从哪来

    7 月 9 日，Ollama 宣布完成 6500 万美元 B 轮融资，由 Theory Ventures 领投，Benchmark、8VC、Y Combinator 等跟投。算上早先 Benchmark 领投的 1500 万 A 轮，公司累计融资到了 8800 万美元。创始人兼 CEO Jeff Morgan 向 TechCrunch 确认了这笔交易。

    两个做过 Docker Desktop 的人

    Ollama 这事儿听着耳熟，是因为班底老道。Morgan 和联合创始人 Michael Chiang 早年在 Docker 收购他们的创业项目 Kitematic 后，参与打造了 Docker Desktop——今天超过一千万开发者每天在用的东西。Docker 把应用在不同云之间搬移变得轻松，Ollama 想对 AI 模型做同样的事：把繁琐的环境配置藏起来，让你只管跑。

    “2023 年开源模型刚出来时特别难用，它们是给研究人员准备的，不是给程序员用的，想把模型跑起来费老劲了。”Morgan 说。Ollama 就是冲着这份麻烦去的。

    数字摆出来，挺吓人

    上线三年，Ollama 现在每月有超过 890 万开发者在用，进驻了 85% 的财富 500 强，每周还新增近百万次安装。GitHub 上攒了 17.6 万 star、接近 1.7 万 fork。最夸张的是，撑起这一切的团队只有 14 个人。

    “Jeff 和 Michael 在 Docker 上做出的东西，每天有一千多万开发者在用。能做出一款在开发者里走向普适的产品，这种创造力极其罕见。”——Benchmark 合伙人 Peter Fenton

    为什么企业愿意买单

    对银行、医院这类机构来说，把数据送进第三方大模型 API 是合规上的大忌。在自己硬件上跑 Ollama，数据全程留在防火墙内，这正是它能在监管严格的行业落地的原因。Morgan 把业务的转折点放在今年 1 月前后——那时以 OpenClaw 为代表的智能体助手爆红，开源模型突然能干活了，尤其是写代码这类 agentic 任务。

    Fenton 的看法更直接：开源和闭源不是你死我活，但那些背着高额推理账单的公司，确实有动力把尽可能多的工作迁到开源模型上，只在必要时才调用 Anthropic 这类闭源模型。

    • 一行命令拉起 Llama、Mistral、DeepSeek 等开源权重模型，无需 API key
    • 本地跑不动的大模型，可走 Ollama 云端，按 GPU 时长计费而非按 token
    • 云上托管 Nemotron、GLM、DeepSeek、Kimi、MiniMax 等模型，做到首日上新
    • 免费桌面版不变，云端只是补上家里跑不了的大模型

    开源社区的疑虑

    不是所有人都鼓掌。大约一年前，就有开发者担心 Ollama 把重心偏向付费云、冷落了免费项目，把它列为开发者工具”变味”的例子。Morgan 和 Fenton 都回击说，免费桌面版没动过，云端只是把家里跑不了的大模型递到你手边。

    如果开源模型真如预期那样生成了世界上大部分 AI token，那么”谁把模型跑得稳、跑得安全、跑得便宜”这一层，就成了新的价值高地。Ollama 用 14 个人先占了坑，接下来要看这块地值不值这个价。

  • 月之暗面 Kimi K3 即将发布：2-3 万亿参数，追平 Anthropic Opus 4.8

    Moonshot Kimi 大模型
    月之暗面（Moonshot AI）旗下 Kimi 系列（图源：TechCrunch / Getty Images）

    中国大模型公司月之暗面（Moonshot AI）的下一代 Kimi 模型 K3，据《金融时报》援引匿名信源，性能预计能和 Anthropic 的 Opus 4.8 打平甚至超过。如果成真，这会是迄今中国对外发布的最大开放权重模型。

    从 K2 到 K3，差距在肉眼可见地缩小

    Kimi 的 K2 系列在开源圈口碑不错，benchmark 排得上号，离最前沿的闭源模型也没差太远。K3 要走得更远——FT 说它的参数规模在 2 万亿到 3 万亿之间，会在”未来几天”放出。对一个一直被拿来和 GPT、Claude 比的中国实验室来说，这是第一次真正站到同一起跑线附近。

    估值跟着水涨船高

    趁着这股势头，Moonshot 正在新一轮融资，估值据称冲到 315 亿美元。今年五月它刚以 200 亿估值拿了 20 亿美元——不到两个月，账面上就多了一百多亿。资本用脚投票，显然相信”中国开源模型能追平前沿”这件事不是空话。

    企业要么买自己的开源模型（比如 DeepSeek、Z.ai 或 Moonshot 的），按自己的需求训一遍；要么就继续给闭源实验室交那份越来越贵的租子。

    大背景：大家开始怀疑”租 AI”值不值

    K3 的消息，撞上了一场正热的讨论——花大价钱买 OpenAI、Anthropic 的闭源模型到底值不值。纳德拉那句”付两遍钱”的警告还在发酵，行业里不少人担心，你喂给 ChatGPT、Claude 的数据，最后会被实验室悄悄吸进自家模型里。于是一些高管开始推自己的替代方案，或者干脆建议企业用便宜的开源模型，自己训练来用。

    开放权重这条路，中国走得最坚决

    Kimi K3 如果按 FT 说的规模落地，会成为迄今最大的中国开放权重模型。这背后是同一股潮流：当算力被少数闭源巨头攥着，开放权重给了企业一条不用仰人鼻息的路。月之暗面的打法很清晰——用越来越能打的开源模型，把”生产环境里真正跑业务”的那块蛋糕从闭源手里切下来。

    当然，FT 的消息来自匿名信源，参数和发布时间都还没官宣。但方向已经清楚：中国大模型和美国前沿之间的那道缝，正在被 Kimi 这样的模型一点点焊上。对用得起、也想自己掌控数据的企业来说，这比又一场”谁的参数更多”的军备竞赛更有看头。

  • 穆拉蒂的 Thinking Machines 发布开源模型 Inkling，赌定制 AI 胜过万能模型

    Thinking Machines 创始人 Mira Murati
    Mira Murati 离开 OpenAI 后创办的 Thinking Machines Lab（图源：TechCrunch / Getty Images）

    Mira Murati 离开 OpenAI 后创办的 Thinking Machines Lab，憋了一年半，终于在周三把第一个自家模型拿了出来，名字叫 Inkling。它最特别的地方不是有多强，而是”开放权重”——外面的人能直接下载、修改、自己拿去用，不必永远挂在别人的服务器上按次付费。

    一个 9750 亿参数的”混合专家”

    Inkling 用的是混合专家架构（MoE），总参数 9750 亿，但每次只调动其中约 410 亿来干活。这种”大身子小身段”的设计现在很常见，好处是模型够大、跑起来又不至于太贵太慢。它在 45 万亿 token 的文字、图片、音频、视频上训过，四种模态它都能原生推理，不过目前只吐文字——代码、带格式的卡片、结构化数据都行。

    不跟你比谁最强，只求”哪都能凑合”

    公司自己都说了，Inkling”现在不是最强的模型，开源闭源都不是”。那它图什么？图的是”全面发展”。它会给你有把握的答案，没把握就明说”我不确定”，而不是硬编；你还能自己调”思考力度”，想快就轻一点，想深就重一点。官方说在代码 benchmark 上，它用的 token 只有英伟达 Nemotron 3 Ultra 的三分之一，就能达到同样的水平。

    由一家公司集中训练、然后定死的 AI，往往不如组织自己塑形的 AI——因为太多专业知识只属于掌握它的人。

    上面这句话，是 Thinking Machines 上周那篇博客的核心论点，也是这次发布想撑起的背景。

    真正的赌注：企业自己改的，比万能模型更好用

    Inkling 现在的定位不是成品，而是”起点”。组织可以用它的 Tinker 平台自己微调，把它变成贴合自己业务的东西。代价是：安全和合规得你自己负责，微调也确实要正经的机器学习人才。这和 OpenAI、Anthropic、Google 的打法正好反过来——那三家先把 ChatGPT、Claude、Gemini 当通用聊天机器人卖，再把智能体能力叠上去。

    为什么”自己养模型”突然成了潮流

    这个方向不是 Thinking Machines 一个人在喊。微软 CEO 纳德拉上周就警告企业，用闭源模型等于”付两遍钱”：一遍订阅费，一遍把你 prompt 和纠正里藏着的业务机密，喂进了人家的下一代模型。Hugging Face 的 Clem Delangue 也判断，前沿模型以后只留给试验和高价值任务，真正跑生产的活会挪到私有或开源模型上——这正是 Thinking Machines 押注的路线。

    最有说服力的一仗，是它和全球最大对冲基金 Bridgewater 的合作。两边用现成的开源模型，喂上 Bridgewater 自己的金融经验再训一轮，据说在金融推理测试里拿到 84.7%，干翻了一堆顶级闭源模型，而成本只有大概十四分之一。不过这分数两家自己评的，还没独立验证。

    九年还是九个月

    OpenAI 从技术面世到赚钱花了约五年，Anthropic 约三年，Thinking Machines 说自己只用了九个月。至于钱从哪来，公司一贯讳莫如深——三月它和英伟达签了部署一吉瓦 Vera Rubin 算力的合作，Inkling 全在 GB300 NVL72 上训出来的，但怎么 cover 这笔开销，它没说。

    团队现在大约 200 人，比年初一波离职（包括两位联合创始人跳回 OpenAI）后稳住了。公司的文化刻意不捧个人，按理说谁走都不算大新闻——虽然它整个故事到现在都还绑在那位知名联合创始人的名字上。

  • Grok 4.5 发布：马斯克称媲美 Opus，价格却只有对手四分之一

    上市后的第一枪

    7月8日，SpaceXAI（也就是原来的 xAI）把 Grok 4.5 推了出来。这是它上市之后的第一款模型，也是和编程工具 Cursor 合并之后的第一款联合产品。马斯克在自己的 X 平台上（X 现在算 SpaceXAI 的子公司）给它的定位很直白：这是一颗”Opus 级”的模型，但更快、更省 token、也更便宜。

    SpaceXAI 把它定义成一匹干活的工作马，编码、搭应用、办公和行政事务、研究写作这些知识工作它都能接。公司说自己 token 效率是主流模型的两倍——如果这事在真实场景里成立，对价格敏感的开发者来说是个不小的诱惑，毕竟 token 成本这两年一直是大家心里的疙瘩。

    “我们的内部判断是，Grok 4.5 大致相当于 Opus 4.7，但快得多。能力、速度加上低价的组合，才是它真正有竞争力的地方。”马斯克在 X 上这样写道。

    价格确实能打

    数字摆出来挺好看：Grok 4.5 输入每百万 token 收 2 美元，输出 6 美元。对比一下，Anthropic 的 Opus 4.7 是输入 5 美元、输出 25 美元；OpenAI 那边 Sol 最贵，输入 5 美元、输出 30 美元，最便宜的 Luna 是输入 1 美元、输出 6 美元。如果能力真如 SpaceXAI 所说，那这个定价确实把性价比拉到了第一梯队。

    Grok 4.5 模型发布
    SpaceXAI 发布 Grok 4.5，主打高性价比的通用模型（图源：TechCrunch / Getty Images）

    少了一张该有的卡片

    热闹之外也有人挑刺。宾夕法尼亚大学沃顿商学院的教授 Ethan Mollick 在 X 上点了一句：Grok 4.5 没有发模型卡（model card）。今天 Anthropic、Google DeepMind 乃至 OpenAI，每出一款前沿模型都会附上系统卡，写清楚训练数据、评估方法、已知局限。SpaceXAI 这回只晒了 benchmark，没晒评估方法。

    模型卡不是新鲜事，2019 年就被提了出来，如今已经是行业惯例，欧盟的 AI 法案甚至把模型文档列成了合规义务。一家公司只往外出漂亮的性能曲线、不交代怎么测出来的，信任上总会打个问号。公司自己跑的基准测试是起点，不是结论，毕竟谁来挑数字、怎么配环境，团队自己最有动力让结果好看。

    • Grok 4.5 定价输入 $2 / 输出 $6（每百万 token），只有 Opus 4.7 的大约四分之一。
    • 马斯克称其能力接近 Opus 4.7，但速度和性价比更突出。
    • 缺模型卡引发透明度质疑，真实水平还要等第三方评测说话。

  • 马斯克端出Grok 4.5：自称Opus级，价格却只有零头

    这几天AI圈最热闹的事之一，是马斯克旗下的SpaceXAI把新模型Grok 4.5端上了桌。这是它上市之后的第一款模型，也是收购编程工具Cursor之后，双方合力做出来的第一个产物。马斯克在X上（X现在也是SpaceXAI的一部分）直接把它对标Anthropic的Claude Opus系列，话说得很满：”基于内测客户的强烈正面反馈，我们明天就向所有人开放Grok 4.5。它是Opus级别，但更快、更省token、也更便宜。”

    Grok 4.5 发布
    SpaceXAI 发布 Grok 4.5，马斯克称其为 Opus 级模型（图源：TechCrunch / Getty Images）

    价格先把对手吓了一跳

    Grok 4.5的定价是每百万输入token收2美元、输出收6美元。对比一下就清楚了：Anthropic的Opus 4.7要5美元和25美元，OpenAI最贵的GPT-5.6 Sol是5美元和30美元。等于说，在最贵那一档，Grok 4.5把单价压到了对手的几分之一。SpaceXAI还说，它的token效率是其他主流模型的两倍——同样的活儿它吐出来的token更少，花钱自然就少。

    马斯克后来的补充更直白：”我们的内部评估认为Grok 4.5大致和Opus 4.7相当，但快得多。能力、速度加上低成本，才是它真正有竞争力的地方。”

    它到底擅长什么

    SpaceXAI把Grok 4.5定位成一匹”干活儿的马”，不是只会聊天的玩具。写代码、搭应用、处理办公室杂活、做研究、写文档，这些AI行业一直想替人自动化的活儿它都能接。而且它特别强调编程和智能体任务——这恰好是和Cursor合并之后的红利：模型是用Cursor的真实编程数据一起训出来的，SpaceXAI说它在大型代码库、跨仓库的长任务上表现尤其好。

    发布当天，开发者Evan Bacon就在X上晒了一段体验：”Grok 4.5有点离谱，它刚给我做了一个带实时数据和3D地球的火箭追踪App。”这种”能直接把东西做出来”的反馈，正是SpaceXAI想给市场留下的印象。

    • 默认进入 Grok Build、Cursor 全档位订阅，以及 SpaceXAI 的 API 控制台
    • 暂时还没在欧盟上线，官方说预计七月中旬开放
    • 和 GPT-5.6、Claude 系列挤在同一周发布，堪称今年最拥挤的模型周

    光环之下也有疑问

    不过热闹归热闹，Grok 4.5并不是没有争议。沃顿商学院教授Ethan Mollick在发布当晚就点了一句：Grok 4.5没有发模型卡（Model Card）。当Anthropic、Google DeepMind乃至OpenAI都为每一款前沿模型附上系统卡时，SpaceXAI选择只晒Benchmark、不晒评估方法。模型卡这东西2019年就被提出来了，写明用途、训练数据、局限和安全考量，如今已经是行业基本的透明作业。

    第三方的独立排名也给了它一个冷静的定位。评测机构Artificial Analysis把Grok 4.5排在真实智能体工作的第四名，落在最新的Claude系列之后。换句话说，它确实能打，但还不是榜单第一。

    所以Grok 4.5的故事，本质上不是”谁最聪明”，而是”谁最划算”。对于那些要大规模铺智能体、动辄跑几分钟几小时工程任务的公司来说，一个便宜近九成、能力只差一口气的模型，往往比榜单冠军更香。马斯克这回赌的，就是开发者更在意能不能真把活干完，而不是谁的分数更高。