GPT-5.6 vs Grok 4.5，编程横评

一、72小时内的两次发布

7月7日GPT-5.6正式发布，三档齐发，Sol Ultra拿下TerminalBench 2.1的91.9%。7月9日Grok 4.5突袭发布，马斯克说这是「速度更快成本更低的Opus级别模型」。

72小时内，两家顶级AI公司在编程赛道上正面撞车。

GPT-5.6的定位很清晰。Sol旗舰 $5/$ 30打榜首，Terra均衡 $2.50/$ 15抢主流，Luna轻量 $1/$ 6抢性价比。150万上下文，Cerebras部署750 tokens/秒，Speed Dial速度拨盘在速度和质量之间自由切换。

Grok 4.5的定位也很清晰，但走的是另一条路。它不跟GPT-5.6比榜首，它比的是Token效率和任务成本。API价格每百万输入2美元输出6美元，Token利用效率比同类主流模型高两倍。80 TPS推理速度。

一个是榜单第一，一个是性价比第一。

Grok 4.5最大的不同不在参数，在数据。

6月16日SpaceX官宣600亿美元收购Cursor（Anysphere），Q3完成。3月份Cursor两名产品工程负责人已经加入SpaceX参与研发。Grok 4.5的补充训练阶段灌入了大量Cursor真实编程交互数据。

这意味着Grok 4.5训练数据里有67%财富500强企业的真实开发场景。

结果在GDPval-AA v2基准测试中，Grok 4.5位列全球第四，单项任务运行成本仅0.49美元，比排名前三的模型便宜近90%。这个成本低于GLM-5.2，低于Kimi K2.6。

DeepSWE等工程基准测试中表现强劲。马斯克说Grok 4.5性能比肩甚至超越Claude Opus。

把昨天两家的数据放一起对比。

TerminalBench 2.1（编程Agent评测）：GPT-5.6 Sol Ultra 91.9%第一。Grok 4.5未公布TerminalBench具体分数，但官方称「多项能力与头部竞品同一梯队」。

GDPval-AA v2（任务性价比）：Grok 4.5全球第四，任务成本0.49美元。GPT-5.6未公布此项数据。

价格：GPT-5.6 Sol $5/$ 30，Terra $2.50/$ 15，Luna $1/$ 6。Grok 4.5 $2/$ 6。Grok 4.5的价格正好卡在GPT-5.6的Terra和Luna之间。

上下文：GPT-5.6 150万token。Grok 4.5未公布具体数字，但V9基座支持1M。

推理速度：GPT-5.6在Cerebras上750 tokens/秒。Grok 4.5 80 TPS。

Token效率：Grok 4.5声称比同类高两倍。GPT-5.6未公布此项数据。

GPT-5.6赢在榜单分数和推理速度。Grok 4.5赢在任务成本和Token效率。

Grok 4.5不是孤立事件。马斯克围绕AI编程赛道下了三步棋。

第一步，收购Cursor。 6月16日SpaceX 600亿美元全股收购Anysphere，锁定Cursor的真实编程数据。

第二步，发布Grok Build。 编程Agent正式上线，跟Grok 4.5同步。

第三步，每月一款新模型。 马斯克承诺2026年内SpaceX团队每月推出一款从零完整训练的全新大模型。

这三步合起来是一个完整的闭环。数据来自Cursor，模型是Grok，工具是Grok Build，频率是月更。

GPT-5.6是OpenAI精心准备的三档齐发，覆盖从旗舰到性价比的全价格带。Grok 4.5是SpaceX用Cursor数据训练出的工程实用主义产品，不打榜首打成本。

OpenAI的打法是「我一个模型打全场」。SpaceX的打法是「我用Cursor的真实数据养一个最懂开发者的模型」。

对开发者来说，72小时内的两次发布意味着什么？

选择变多了。 GPT-5.6三档+Grok 4.5+之前的Claude Opus 4.8/Sonnet 5/DeepSeek V4/豆包Seed-2.1 Pro/MiniMax M3/智谱GLM-5.2/美团LongCat-2.0，编程模型市场已经超过十家。

价格战白热化。 Grok 4.5输出 $6，GPT-5.6 Luna输出$ 6，DeepSeek V4输出约$0.87。同样的6美元，在Grok 4.5这里是Token效率两倍，在GPT-5.6 Luna这里是150万上下文，在DeepSeek这里是永久降价后的极致性价比。

数据开始成为差异化。 GPT-5.6靠的是OpenAI的规模化训练能力。Grok 4.5靠的是Cursor的真实开发数据。当模型架构趋同、参数规模趋同、基准分数趋同的时候，谁有独家数据谁就有护城河。

GPT-5.6的91.9%不会是天花板。Grok 4.5的0.49美元任务成本也不会是地板。

72小时内两次发布，编程横评才刚开始。下周可能就又洗一次。