Grok 4.5

grok-4.5

获取 API 密钥 API 文档

Grok 4.5 是 SpaceXAI 最智能的模型，在编码、知识工作和 STEM 方面具有前沿性能。

上下文窗口500K

提供商Grok

创建时间2026/07/09

在线体验

定价

同一模型能力，多条服务通道；按延迟、稳定性与成本灵活选择。

价格单位：$ / 1M tokens

指定服务通道：在请求体加入 provider 字段，例如 "provider": { "channel": "direct" }。可选 direct / stable / economical；不传则使用默认通道。

直连通道

官方直连链路，适合需要原生体验与完整上下文的请求。

输入	输出	缓存命中
2.00/M	6.00/M	0.50/M

介绍

输入

文本图像

输出

文本

Grok 4.5 API：高性价比的前沿编码与智能体模型

Grok 4.5 是 xAI 于 2026 年 7 月发布的最新旗舰模型，在编码、知识工作和 STEM 上达到前沿水平。它最引人注目的地方不只是能力，而是能力与成本的比值——在多项真实工作评测中与顶级闭源模型正面竞争，价格却低一个数量级。

Grok 4.5 的训练用上了真实的 Cursor 开发会话数据，评测标准也围绕"AI 在真实代码库里长时间工作时到底能做成什么"设计。这让它在长会话编码任务上表现出与传统基准分数不完全一致的实战优势。

海鲸AI 通过 OpenAI 兼容接口提供 Grok 4.5，支持工具调用、流式输出与多模态输入。

获取 API 密钥 · 模型 ID：grok-4.5

为什么选择 Grok 4.5

SWE Marathon 领先 —— 29.0% 解决率，超过 Claude Opus 4.8（26.0%）和 Fable（24.0%）
Terminal-Bench 2.1 83.3% —— 真实终端环境中的执行力位居第一梯队
极高的 token 效率 —— 平均每任务约 190 万 token，远低于 GPT-5.5（620 万）和 Fable 5（720 万）
真实职业工作表现突出 —— Snorkel AI 的 GDPval+ 评测中平均通过率 29%，领先 GPT-5.5（22%）和 Opus 4.8（21%）
50 万 token 上下文 —— 大型代码库与长会话一次装下

核心能力

01 真实代码库中的长会话编码

Grok 4.5 用真实 Cursor 开发会话数据训练，优化目标就是"在真实项目里长时间干活"。这体现在 SWE Marathon 这类长周期基准上的领先，也体现在实际使用中更少的跑偏和返工。

长会话中的目标一致性
跨文件修改与依赖处理
终端环境中的实际执行

02 极致的 token 效率

xAI 宣称 2 倍的 token 效率提升。平均每任务约 190 万 token，相比动辄六七百万的竞品，同样的预算能跑更多任务——这在按量计费的生产环境里是直接的成本优势。

更少的探索与重复推理
更集中的工具调用
长任务下的总成本显著更低

03 专业领域工作

在 Snorkel AI 的 GDPval+ 真实职业任务评测中，Grok 4.5 的领先在法律（40% vs 27–28%）和医疗（35% vs 23–25%）两个领域最为明显。

法律文档分析与合规审查
医疗与生命科学资料处理
跨领域的专业知识工作

04 STEM 与知识推理

数学、物理、工程类推理任务上表现前沿，配合 50 万 token 上下文可以处理完整的技术文档集合。

高难度数学与科学推理
技术文档综合分析
工程计算与验证

最佳使用场景

场景	说明
长会话编码	真实代码库中跨越长时间的开发任务
成本敏感的智能体	需要大量调用但预算有限的自动化流程
法律与医疗分析	GDPval+ 中优势最明显的两个专业领域
STEM 推理	数学、物理、工程类高难度问题
终端自动化	Terminal-Bench 高分对应的实际命令行任务
大规模生产部署	token 效率带来的整体成本优势

Grok 4.5 与 Claude Opus 4.8、GPT-5.5 的差异

能力	Grok 4.5	Claude Opus 4.8	GPT-5.5
模型 ID	`grok-4.5`	`claude-opus-4-8`	`gpt-5.5`
厂商	xAI	Anthropic	OpenAI
SWE Marathon	29.0%	26.0%	—
Terminal-Bench 2.1	83.3%	—	82.7%（2.0）
GDPval+ 平均通过率	29%	21%	22%
平均每任务 token	约 190 万	—	约 620 万
上下文窗口	50 万 token	100 万 token	100 万+ token

具体计费以页面上方的实时价格卡片为准。

如何使用 Grok 4.5 API

1. 创建海鲸AI API 密钥 在控制台生成密钥并充值。

2. 优先在长任务上试它 Grok 4.5 的优势在长会话和 token 效率上，短小的一次性任务体现不出差距。建议直接拿真实的多步骤编码任务对比。

3. 调用接口

curl -X POST https://api.haijingai.com/v1/chat/completions \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "grok-4.5",
    "messages": [
      {"role": "user", "content": "在这个仓库里实现用户权限模块，包含数据模型、接口和测试。"}
    ],
    "stream": true
  }'

常见问题

Grok 4.5 什么时候发布的？ 2026 年 7 月 8 日发布。

它的真实优势在哪？ 一是长会话编码（SWE Marathon 29.0% 领先 Opus 4.8 和 Fable），二是 token 效率（平均每任务约 190 万 token，是 GPT-5.5 的三分之一不到），三是价格档位明显低于同级竞品。

基准分数上有落后的地方吗？ 有。在 xAI 自己的编码智能体指数上，Grok 4.5 得 76 分，与 Codex 中的 GPT-5.5 持平，比 Claude Code 中的 Fable 5 低 1 分——但成本只是后者的一小部分。

上下文窗口多大？ 50 万 token，最大输出 128K token。

支持图像输入吗？ 支持。文本和图像输入均可，输出为文本。

适合什么规模的部署？ token 效率优势在调用量越大时越明显，特别适合需要大规模铺开智能体的生产环境。

为什么选择海鲸AI 使用 Grok 4.5 API

无需海外账户 —— 国内直连，不用自建代理
OpenAI 兼容接口 —— 现有代码改两行即可接入
跨厂商横向对比 —— 与 Claude、GPT、Gemini 在同一账户下直接比价比效果
统一账单 —— 多模型用量与花费集中管理

API

API 接入信息

Model ID在推理接口中指定模型

grok-4.5

API Key推理接口的 Bearer Token（鉴权令牌）

前往 API Key 管理

Base URL兼容 OpenAI 协议 · /chat/completions

https://api.haijingai.com/v2/

provider 可选指定服务通道，不传则由系统选择默认通道

"provider": { "channel": "direct" }

grok-4.5 接入示例

海鲸AI 兼容 OpenAI 接口协议，可直接使用 OpenAI SDK 或 HTTP 请求接入，默认开启流式输出。

cURLPythonNode.js

curl https://api.haijingai.com/v2/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <API_KEY>" \
  -d '{
    "model": "grok-4.5",
    "messages": [
      {"role": "system", "content": "你是一个有帮助的助手。"},
      {"role": "user", "content": "你好！"}
    ],
    "provider": { "channel": "direct" },
    "stream": true
  }'
# provider 为可选字段，删除该行即使用默认通道

from openai import OpenAI

client = OpenAI(
    base_url="https://api.haijingai.com/v2",
    api_key="<API_KEY>",
)

stream = client.chat.completions.create(
    model="grok-4.5",
    messages=[
        {"role": "system", "content": "你是一个有帮助的助手。"},
        {"role": "user", "content": "你好！"},
    ],
    stream=True,
    # 可选：指定服务通道，不传则使用默认通道
    extra_body={"provider": {"channel": "direct"}},
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)

import OpenAI from 'openai'

const client = new OpenAI({
  baseURL: 'https://api.haijingai.com/v2',
  apiKey: '<API_KEY>',
})

const stream = await client.chat.completions.create({
  model: 'grok-4.5',
  messages: [
    { role: 'system', content: '你是一个有帮助的助手。' },
    { role: 'user', content: '你好！' },
  ],
  stream: true,
  // 可选：指定服务通道，不传则使用默认通道
  // @ts-expect-error provider 为海鲸AI 扩展字段，不在 OpenAI SDK 类型定义内
  provider: { channel: 'direct' },
})

for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? '')
}