TL;DR

SpaceXAI vừa ra mắt Grok 4.5 - model mixture-of-experts đầu tiên được co-train cùng Cursor, thiết kế cho coding, agentic tasks và knowledge work. Đây không phải model dẫn đầu benchmark - Fable 5 vẫn giữ ngôi đó - nhưng Grok 4.5 đánh vào một trận khác: chi phí trên mỗi task hoàn thành. Với 4.2 lần ít token hơn Opus 4.8 (max) trên SWE-Bench Pro, tốc độ 80 TPS và giá $2/$6 per million tokens, đây là model được tính toán để chạy cả ngày mà không làm cạn budget.

Grok 4.5 là gì

Grok 4.5 là model frontier mới nhất của SpaceXAI - một mixture-of-experts system được co-train cùng Cursor trên hàng nghìn tỷ token dữ liệu coding thực tế từ các developer và coding agent tương tác thực với codebase, bổ sung bởi dataset về STEM, nghiên cứu khoa học và knowledge work.

Model được huấn luyện trên hàng chục nghìn NVIDIA GB300 GPUs tại các data center của SpaceXAI ở Memphis, sử dụng large-scale asynchronous reinforcement learning trải qua hàng trăm nghìn tasks.

Điểm quan trọng nhất: đây là model đầu tiên nhóm Cursor-SpaceXAI xây dựng cho nhiều hơn software engineering. Người tiền nhiệm Composer 2.5 là specialist thuần coding - nhanh, rẻ, không làm gì khác ngoài code. Grok 4.5 giữ nguyên sức mạnh coding đó nhưng mở rộng ra legal research, Microsoft Office automation và các tác vụ knowledge work phức tạp hơn.

SpaceXAI định vị Grok 4.5 là model cho "coding, agentic tasks và knowledge work" - ba lĩnh vực trong một model, thay vì phải dùng nhiều model chuyên biệt.

Điểm mạnh thực sự: cost per task

Benchmark chỉ là một phần của câu chuyện. Với Grok 4.5, phần quan trọng hơn là kinh tế học của mỗi task hoàn thành.

So sánh token efficiency: Grok 4.5 dùng 15,954 tokens vs Opus 4.8 (max) 67,020 tokens trên SWE-Bench Pro

Trên SWE-Bench Pro, Grok 4.5 giải quyết một task với trung bình 15,954 output tokens. Opus 4.8 (max) cần 67,020 tokens cho cùng task đó - tức là Grok 4.5 dùng ít hơn 4.2 lần. Kết hợp với tốc độ phục vụ 80 TPS (fast-model tier), thời gian thực trên agent loops giảm đáng kể so với các model đối thủ cùng cấp.

Nhìn vào số thực: với $6/M output tokens và 4.2 lần ít token hơn, chi phí mỗi task hoàn thành của Grok 4.5 thấp hơn rất nhiều so với Opus 4.8 - dù accuracy thấp hơn vài điểm phần trăm. Với team chạy agentic coding cả ngày, khoảng cách này nhân lên rất nhanh trên hóa đơn cuối tháng.

SpaceXAI đặt điều này đơn giản hơn: Grok 4.5 đạt roughly 2x token efficiency so với các leading model, giải quyết task trong ít hơn một nửa số bước. Giá token là vanity metric - cost per finished task mới là số hiện trên invoice.

Benchmark - đọc đúng cách

SpaceXAI không che giấu vị trí của Grok 4.5 trên các coding eval. Dưới đây là kết quả vendor-reported so với các model hàng đầu:

  • DeepSWE 1.0: 62.0% (hạng 3/4) - sau Fable 5 (66.1%) và GPT-5.5 (64.3%), trên Opus 4.8 (55.75%)
  • DeepSWE 1.1 (harness độc lập bởi DataCurve): 53.0% (hạng 4/5) - sau Fable 5 (70%), GPT-5.5 (67%), Opus 4.8 (59%)
  • Terminal Bench 2.1: 83.3% (hạng 3) - sát với GPT-5.5 (83.4%) và Fable 5 (84.3%)
  • SWE-Bench Pro resolve rate: 64.7% (hạng 3) - sau Fable 5 (80.4%) và Opus 4.8 (69.2%)

Kết luận thẳng thắn: Fable 5 dẫn đầu tất cả 4 evals. Grok 4.5 ở tầm giữa, đôi khi để Opus 4.8 và GPT-5.5 vượt qua. Đây là model đứng đầu về cost efficiency, không phải về accuracy race.

Có một lưu ý đáng tin cậy từ Cursor: họ chủ động loại CursorBench ra khỏi kết quả sau khi phát hiện một snapshot của Cursor codebase bị lọt vào training data. Thay vì im lặng, Cursor tiết lộ contamination này và xác nhận đã loại bỏ data đó cho các model tiếp theo. Minh bạch với contamination thay vì dùng nó để inflate benchmark - đây là trust signal hiếm gặp.

Lưu ý thêm: mọi con số benchmark đều là vendor-reported. Chạy eval độc lập trên repo thực của bạn trước khi chuyển model mặc định.

Ngoài code: Office và legal

Grok 4.5 là model mặc định trong Grok Build - và Grok Build không dừng ở repository. Đây là điểm mà model tách biệt rõ nhất so với coding specialist thuần:

  • Spreadsheets: xây multi-sheet Excel models với công thức live, web research tích hợp và "stickies" giải thích giả định trong từng cell
  • Presentations: tạo PowerPoint decks dùng native shapes và diagrams - không phải flat image - nên output vẫn chỉnh sửa được trong app
  • Documents: soạn thảo văn bản dài trong Word với Microsoft Office plugin đặt model ngay trong editor
  • Legal: contract review, legal research và finance-adjacent analysis - xAI báo cáo Grok 4.5 xếp hạng 1 trên Harvey's Legal Agent Benchmark

Microsoft Office plugins cho Word, PowerPoint và Excel đặt model ngay trong các tool mà knowledge workers đang dùng hàng ngày - không cần chuyển sang interface khác.

Về spec kỹ thuật: context window 500K tokens (tier cao hơn khi vượt 200K), hỗ trợ text và image input, có reasoning_effort parameter (low/medium/high, mặc định high), structured outputs và native parallel tool calling. Model ID trên API: grok-4.5 (alias: grok-4.5-latest, grok-build-latest).

Giá và availability

Giá qua xAI API:

  • Input: $2.00/M tokens
  • Cached input: $0.50/M tokens
  • Output: $6.00/M tokens

Bên trong Cursor có "fast" variant với giá $4/$18 per million - mua priority serving, không phải model khác. Context window trên 200K tokens có tier giá cao hơn, nên budget tương ứng cho long-context runs.

Model hiện có trên: xAI API console (regions us-east-1 và us-west-2), Grok Build CLI/API, Cursor (tất cả plans - desktop, web, iOS, CLI, SDK), Microsoft Office add-ins, và các model gateway OpenRouter, Vercel, Cloudflare, Snowflake, Databricks Mosaic. Rate limit mặc định: 150 req/s.

Lưu ý EU: Grok 4.5 chưa available cho user EU trên bất kỳ sản phẩm SpaceXAI nào hoặc API console. Dự kiến mid-July.

SpaceXAI cũng đang cung cấp free usage trong thời gian giới hạn trên Grok Build và Cursor để khuyến khích adoption ngay từ đầu.

Ai nên thử ngay

Dev teams chạy agentic coding cao tần là nhóm được lợi nhiều nhất. Nếu team đang chạy agent loops cả ngày - bulk refactor, test generation, boilerplate, long-tail agent tasks - thì 4.2 lần ít token hơn ở $6 output sẽ hiện rõ trên hóa đơn cuối tháng. Cursor doubled included usage trong tuần đầu để team có thể thử mà không phải lo budget.

Team dùng multi-model stack nên xem Grok 4.5 là "second tier" thay vì replacement. Route high-volume, cost-sensitive coding sang Grok 4.5; giữ Fable 5 hoặc Opus 4.8 cho engineering production-critical cần accuracy tối đa. Đây là routing decision về chi phí, không phải loyalty với một model.

Knowledge workers dùng Microsoft Office hàng ngày - data scientists, financial analysts, legal professionals - có thể gọi model trực tiếp qua Office add-ins mà không cần rời khỏi Excel, Word hay PowerPoint. Ít friction hơn = adoption cao hơn trong tổ chức.

Grok 4.5 ít phù hợp hơn nếu bạn cần model dẫn đầu accuracy trên production-critical engineering một lần - lúc đó Fable 5 hoặc Opus 4.8 là lựa chọn đúng hơn.

Một điểm đáng cân nhắc dài hạn: SpaceXAI hiện sở hữu toàn stack - Colossus compute, model Grok, Cursor như data source, và Grok Build như distribution surface. Vertical integration này là lý do price-performance story đáng tin - nhưng cũng là rủi ro vendor lock-in thực. Tính toán điều đó vào quyết định trước khi integrate sâu.

Kết

Grok 4.5 là tín hiệu rõ nhất rằng frontier AI đang tách thành nhiều tier - và không phải tier nào cũng cần dẫn đầu leaderboard. SpaceXAI đã tính toán đúng: model rẻ, nhanh, hiệu quả token chạy cả ngày không cần là model giỏi nhất - chỉ cần đủ tốt cho 80% công việc thực tế.

Nếu hóa đơn API là KPI quan trọng hơn điểm benchmark, Grok 4.5 đáng để thêm vào stack và chạy thử. Hiện có miễn phí trong thời gian giới hạn trên Grok Build và Cursor.

via SpaceXAI