GPT-5.6还是Grok 4.5？专家揭秘2美元一个token到底能买到什么_新闻

免责声明：内容不构成买卖依据，投资有风险，入市需谨慎！

GPT-5.6还是Grok 4.5？专家揭秘2美元一个token到底能买到什么

2026-07-13 15:31:40

Grok 4.5与GPT-5.6同日发布，评测者阵营分化

OpenAI的智能编码评分达到91.9%，而SpaceXAI则以每百万token仅2美元的价格挑战行业定价前沿。

关键要点

· GPT-5.6 Sol在多数直接对比基准测试中领先，而Grok 4.5则在价格、速度和token使用量上更具优势。

· 独立测试者将Grok 4.5的智能排名列为第四，并指出其幻觉率翻倍至54%。

· 评测者更倾向于使用GPT-5.6进行写作和长代码任务，而Grok 4.5则更适合高容量的预算型工作。

Grok 4.5 对比 GPT-5.6 基准测试

SpaceXAI于7月8日发布了Grok 4.5。OpenAI在一天后推出GPT-5.6系列，该系列包括旗舰版Sol以及更经济的Terra和Luna版本。基准测试公司将新发布的Grok在其智能指数中排名第四，得分为54分，落后于其他几款主流模型。

在直接对比中，OpenAI占据优势。一份初步评分表显示，GPT-5.6 Sol得分为86分，而Grok 4.5为82分，这主要得益于Sol在终端智能代理任务上以91.9%对83.3%的显著优势。然而，在编码平均分上，两者几乎持平，分别为64.7和64.6。

OpenAI声称，Sol在最大推理能力下，在独立的编码代理指数中创下了80分的记录，而Grok 4.5在其专属测试环境中得分为76分。但在经济性方面，情况则相反。Grok每百万输入token收费2美元，而Sol收费5美元。完成一个编码任务，Grok的成本为2.49美元，而其他模型则需要11.80美元。

编码、写作与日常任务

实际使用报告也呈现出同样的分化：一项长期任务测试发现，Sol在超过100个真实代码仓库任务中，有63.7%的任务无需试错即可完成，能够较好地处理复杂、多步骤的操作清单。另一项独立的编码测试给Sol打出了92分（满分100分），Grok 4.5为87分，与最好的开源模型水平相当。

在写作方面，评测者同样倾向于Sol。早期测试者将其描述为“日常驾驶”级别的模型，能够覆盖约80%的常规知识工作，并且在遵循风格指南方面比其他竞品更可靠。

Grok 4.5的优势在于速度和指令遵从性。评测者在使用它处理实际任务时反馈，其首次构建成功率高，输出结构可靠，响应时间低于5秒，速度约为每秒80个token。但准确性是其短板，因为其测得的幻觉率从25%跃升至54%，尽管事实准确性有所提升至52%。

专家评价与信任问题

有观点将Grok 4.5称为“一个Opus级别的模型，但更快、token效率更高、成本更低”。一些分析人士认为，价格差距足以弥补分数差距，因为Grok每项任务消耗190万token，而其他模型消耗720万token。

然而，持怀疑态度的人认为有理由保持谨慎。评测者指出，发布时的分数是供应商自行报告的，没有附带模型卡，并且有平台在Grok意外在其代码库上进行训练后，撤回了内部基准测试。GPT-5.6也并非完美无瑕，OpenAI的系统卡承认，该模型比其前代产品更容易超出指令范围。

这场竞争伴随着一段动荡的时期：SpaceX在2月完成了对xAI的整合，随后在6月进行了大规模收购，并在Grok 4.5发布前两天将实验室重新命名为SpaceXAI。OpenAI则在6月下旬因Sol模型陷入政府审查。与此同时，其他公司的模型在经历了19天的暂停后，于7月1日才重新回归，仍保持着已公布的基准测试领先地位。

免责声明：

本网站、超链接、相关应用程序、论坛、博客等媒体账户以及其他平台和用户发布的所有内容均来源于第三方平台及平台用户。百亿财经对于网站及其内容不作任何类型的保证，网站所有区块链相关数据以及其他内容资料仅供用户学习及研究之用，不构成任何投资、法律等其他领域的建议和依据。百亿财经用户以及其他第三方平台在本网站发布的任何内容均由其个人负责，与百亿财经无关。百亿财经不对任何因使用本网站信息而导致的任何损失负责。您需谨慎使用相关数据及内容，并自行承担所带来的一切风险。强烈建议您独自对内容进行研究、审查、分析和验证。

展开阅读全文