全球AI巨头集体调头：大模型的价格战结束了

“Grok 4.5不是最强的大模型，但它值得一试。”7月15日，马斯克在X上发了这么一句话。语气平淡。

背后是SpaceXAI刚刚经历的一个疯狂月份：6月12日，SpaceX以史上最大IPO登陆纳斯达克，定价每股135美元，估值约1.77万亿美元，融资约750亿美元；6月16日，宣布以600亿美元全股票收购AI编程工具Cursor；7月8日，推出Grok 4.5；次日，OpenAI就发布了GPT-5.6。这不像巧合，更像一场蓄谋已久的价格战信号。

比发布密度更值得注意的，是巨头们对模型的叙事方式正在集体转向。

Grok 4.5的API定价：输入每百万token 2美元，输出每百万token 6美元。对比Claude Opus 4.8（输入5美元、输出25美元）和GPT-5.6 Sol（输入5美元、输出30美元），不到对方的四分之一到五分之一。更关键的是效率：xAI称Grok 4.5的token效率是同类模型的两倍。SWE-Bench Pro测试中，Grok 4.5平均每任务消耗15,954个输出token，Opus 4.8需要67,020个，差距超过4倍。但OpenAI没有坐视。GPT-5.6 Luna定价输入1美元、输出6美元，输入端比Grok 4.5还便宜一半。

价格战刚打响，对手已经跟进了。

从“谁最强”到“谁最划算”

xAI官方公布的基准测试显示了一个略显尴尬但诚实的事实：Grok 4.5不是最强的。在Artificial Analysis Intelligence Index中，它以54分排名第四，仅次于Fable 5、GPT-5.6 Sol和Opus 4.8，但领先所有开源模型和Gemini系列。与Opus 4.8各有胜负：DeepSWE 1.0上62.0%对55.8%胜出，Terminal-Bench 2.1上83.3%对78.9%领先；但在DeepSWE 1.1中仅得53.0%，远低于Opus 4.8的59.0%；SWE-Bench Pro上64.7%同样落后。

但跑分排名恰恰不是这一轮竞争的关键。竞争逻辑正在从“谁的模型最强”转向“谁的模型能在真实场景中最划算地完成任务”。Grok 4.5选择的路径是：先锁定高频场景，再围绕场景定义模型能力和成本结构。

它背后的盟友是Cursor。通过深度联合训练，Grok 4.5独家消化了万亿级Token的开发者真实交互数据：顶尖程序员写代码时的每一次回删、遇到报错时的每一次文件跳转。与训练公开代码仓库不同，Cursor数百万开发者的真实编程会话数据，包含了失败、重试、上下文切换和多步决策，是任何公开数据集都无法提供的实战经验。xAI还引入了一种异步学习训练方法论，让持续数小时的Agent训练可以与模型训练并行进行。

这一策略的横向对标，可以看到三家巨头走了三条不同的路。

OpenAI的GPT-5.6用Sol/Terra/Luna三级命名取代了“旗舰+mini/nano”体系。Sol承担复杂推理和Agent等高难任务，价格与GPT-5.5持平；Terra综合表现接近GPT-5.5，落在中端价格区间；Luna与开源GLM-5.2同价位，主打高并发低延迟。核心是：能力跟着场景走，成本跟着任务变。7月15日，OpenAI还推出了ChatGPT Work，一个跨应用自动化职场任务的智能体平台，同时被曝首款AI硬件是无屏便携智能音箱，搭载GPT-Live语音交互。

Anthropic在6月底发布的Claude Sonnet 5则内置了effort机制：调用方可根据任务复杂度调节推理强度。中等effort控制成本，高effort才逼近旗舰表现。这打破了“选定模型就锁定成本”的旧逻辑，性价比从静态参数变成了动态调节。

三家的共同指向已经很清楚：大模型竞争正在从“谁的模型最强”，变成“谁的模型能在真实场景中最划算地完成任务”。

“单任务成本”：新的衡量标尺

当模型进入真实任务场景，一个反直觉的结论浮出水面：定价便宜的模型，未必真的便宜。

Grok 4.5的官方缓存命中价是每百万Token 0.50美元，相当于标准输入价的75%折扣。但真正的差距在单任务成本上。据Coding Agent Index数据，Grok 4.5在Grok Build中每个任务平均花费2.49美元，而GPT-5.6 Sol在Codex中需要5.07美元，Claude Fable 5在Claude Code中需要11.80美元，差距接近5倍。

效率数据同样惊人。解决同一道SWE-Bench Pro任务，Grok 4.5平均只用1.6万个输出Token，Opus 4.8要用6.7万个，效率差了4倍多。Grok 4.5输出端6美元不到Opus 4.8（25美元）的四分之一。但如果把GPT-5.6 Luna（输入1美元/输出6美元）拉进来对比，会发现Grok在输出定价上只是追平了OpenAI，真正被甩开身位的只有Anthropic一家。

性价比的衡量单位从“token单价”变成“单任务成本”，这一趋势在国内同样明显：DeepSeek-V4-Flash、Qwen3-235B-A22B、Kimi K2.6集体押注“大参数+小激活”的MoE架构。更值得关注的是马斯克透露的一个信息：xAI尚未部署内部开发的C/C++推理栈，一旦部署，速度预计会翻倍以上。这意味着Grok 4.5的成本还有进一步下降的空间，价格战的下半场可能还没真正开始。

当性价比的衡量单位转向“单任务成本”，企业真正关心的从“哪个模型最强”转向“哪个模型能被长期稳定低成本地默认调用”。OpenAI的ChatGPT Work正是这一逻辑的产物，它不是一个聊天界面，而是一个智能体平台，能跨应用调度任务，背后默认调用GPT-5.6系列中不同层级的模型。

云平台也在产品化这一趋势。Amazon Bedrock推出Intelligent Prompt Routing，微软Azure AI Foundry上线Model Router。Google在7月15日宣布Chrome浏览器将进一步整合Gemini AI，计划下个月登陆iOS。开发工具中的OpenRouter、LiteLLM也在承担类似角色。未来很多调用未必由终端用户直接决定，而是由云平台和框架提前分配。

Grok 4.5与Cursor的组合是这一逻辑的缩影，Cursor是开发者生态的高频入口，Grok 4.5嵌入其中成为默认模型。但隐患同样存在：Cursor在AI编程工具市场的份额已从2025年6月的41%下降到2026年5月的26%，Anthropic控制了这个类别的一半。如果Cursor的用户基础持续收缩，Grok 4.5的数据飞轮能转多久？

类似的协同优化正在行业蔓延。Google将Gemini深度嵌入Gmail、Docs等工作场景；腾讯混元Hy3与WorkBuddy结合，从preview到正式版日均token消耗增长20倍，办公场景任务成功率从72%提升至90%。模型只有进入真实任务，才能获得稳定调用、真实反馈和持续优化空间。

由此形成新的竞争飞轮：更低单任务成本带来更多默认调用，更多默认调用带来更大规模和更多真实反馈，真实反馈继续推动优化，进一步降低单任务成本。

对手付钱帮你训练模型

马斯克做生意的底层逻辑，从特斯拉到SpaceX，始终是用成本结构颠覆现有格局。在AI大模型市场，这个逻辑正在重现。Grok 4.5的定价远低于Opus 4.8和GPT-5.6 Sol。但低价不是慈善，是战略。SpaceXAI拥有Colossus超级计算机，正在向竞争对手——包括Anthropic和Google——出租算力。据Axios报道，Grok 4.5的训练使用了与SpaceXAI出租给Anthropic和Google的相同算力资源。这听起来荒谬：竞争对手付钱帮马斯克训练模型来打击他们自己。但这就是AI时代的算力经济学——当你控制着基础设施，你就有能力在应用层打价格战。

算力规模也在快速扩张。Grok 4.5在数万块NVIDIA GB300 GPU上训练，路透社报道SpaceXAI的算力成本被大规模基础设施摊薄。但扩张的另一面是代价：7月15日路透社披露，xAI位于田纳西州的Colossus 2数据中心违规安装了59台天然气涡轮机，未获环境许可，影响方圆8公里居民健康。

更大的风暴在模型发布一周后袭来。

7月13日，独立安全研究员@cereblab发布抓包分析：Grok Build CLI（v0.2.93）会在用户毫不知情的情况下，将整个Git仓库：包括未被读取的文件、完整的Git历史、.env配置文件甚至SSH密钥，打包上传至xAI的谷歌云存储桶。即便用户关闭“改进模型”选项，上传行为依然无法停止。

沉默两天后，马斯克在X上开口第一个词是“True”，承认事情属实，承诺所有数据“一个字节不留”彻底删除，上线/privacy命令。更出乎意料的是后续动作：7月15日，SpaceXAI宣布开源Grok Build，将源代码发布至GitHub，并重置所有用户的使用限制。针对隐私争议，公司回应称Grok Build自上线以来完全尊重零数据保留（ZDR）原则，用户始终可在命令行界面禁用数据上传。早期测试版中，非ZDR用户默认启用了数据保留，但自7月12日起已为所有用户禁用默认数据保留，并正在删除此前保留的所有编码数据。从“偷偷上传”到“全部开源”再到“数据清零”，这一系列动作只用了48小时。

而Grok 4.5的独家卖点恰恰是“收集开发者的认知行为数据”。当“行为数据”从联合训练的协议内容变成悄无声息的后台上传，信任的边界在哪里？加上Cursor市场份额持续缩水（41%到26%），Grok 4.5最核心的“行为数据飞轮”面临双重压力：用户基础在缩小，信任基础在动摇。

性价比竞争已经超出降价竞赛本身。19世纪，经济学家杰文斯观察到：蒸汽机效率越高，煤炭消耗反而越多，效率提升没有抑制使用，反而降低了使用门槛。大模型正在接近自己的“杰文斯时刻”。性价比竞争的结果，未必是AI总成本下降，而是AI使用密度上升。

7月15日，Anthropic被曝加速推进IPO，估值已达9650亿美元，首次超过OpenAI成为全球估值最高的未上市AI公司。市场对这种密度上升正在提前定价：AI不再是一个“要不要用”的问题，而是一个“用在哪、用多少”的问题。但前提是，用户得知道自己的数据去了哪里。

别再迷信单纯的算力堆砌了，得“场景数据”者，得天下。但前提是，用户得知道自己的数据去了哪里。

（本文首发钛媒体APP · 作者 硅谷Tech_news · 编辑 林深）