Grok 4.5 测评翻车？手握万亿参数的马斯克为何只能挤进第三梯队？

2026年的AI圈，这竞争烈度简直比现在的35度高温还让人窒息。

就在大家都在期待“最强模型”再次易主的时候，马斯克家的 Grok 4.5 悄悄放出了测评数据。虽然官方号称达到了“Opus级”，但没说是哪个Opus（毕竟现在Opus都迭代好几代了）。看完这轮跑分，我只能说一句：老马，这钱是不是花在显卡回收上了？

Grok 4.5 在各项基准测试中的得分情况。

一、 参数虽大，疗效如何？

这次 Grok 4.5 最大的噱头就是其庞大的参数规模——1.5T（万亿级）。按理说，拿着世界上最顶级的H100集群，烧着最多的电，出来的应该是碾压一切的产品。但现实往往很骨感，放出来的“野榜”数据显示，这个成绩放在去年也许还能吹一吹，但在2026年这个高手云集的年代，这点成绩实在有些拿不出手。

Grok 4.5 在视觉逻辑任务中的表现，被质疑存在投机取巧。

二、 测评翻车现场

与现役头部模型的横向对比，Grok 4.5 在多项能力上存在差距。

在具体的各项能力测评中，Grok 4.5 暴露出了不少问题。

1. 综合能力处于下风 从综合性能的评分来看，它甚至不如隔壁一些后起之秀。虽然某些单项成绩还能看，但整体发挥不够稳定。作为一个号称“全能”的模型，这种表现很难让人满意。

2. 玩起了“投机取巧” 最让人下头的是，这次测试中还发现了一些类似“机巧”的操作。比如在处理一些视觉或者逻辑构建任务时（如经典的六边形和星球图形分离任务），模型的表现方式明显在“避重就轻”。这种为了刷分而优化的痕迹，比起真正理解能力的提升，让人感觉诚意不足。

3. 对比惨烈 横向对比一下目前的头部玩家（这里就不点名了，大家心里都有数），Grok 4.5 在复杂任务处理、代码生成准确性以及多轮逻辑推理上，都存在明显的差距。甚至在某些细节处理上，还不如一些专注于垂直领域的“HY”类模型做得精细。

三、 还是得老实待在第三梯队

经过这一轮详细的各种“拷问”，结论比较残酷：Grok 4.5 目前只能老老实实地待在第三梯队。

这不是说它不能用，毕竟作为日常助手聊聊天、简单写写文案还是绰绰有余的。但是，如果你是冲着“业界最强”、“编程神器”或者“硬核科研辅助”去的，那这个 1.5T 参数的大个子显然没能交出一份匹配其身价的答卷。

四、 总结与选购建议

2026年的模型选择这么多，我们没必要为信仰充值。

如果你是普通用户，只是体验一下AI交互，Grok 4.5 的趣味性（比如它的特立独行）还在，可以玩玩。但如果你是开发者或者重度依赖AI工作的生产力型用户，建议还是把目光锁定在第一梯队的那几款靠谱模型上。

毕竟，参数大不代表能力强，能解决问题的才是好模型。老马这次看来还得继续努力调优，毕竟这1.5T参数要是跑不满，这电费可就真白瞎了。