Model
.ai
追踪开放 AI 模型
本模型的指南
全部指南
SpaceXAI | 500,000 令牌上下文 | 输入 $2.00/千,输出 $6.00/千。Grok 4.5 是 SpaceXAI 推出的模型,在编码、知识工作和 STEM 领域表现出前沿性能。
Grok 4.5 是 xAI 的中端前沿模型,专为编码、STEM 和知识密集型工作打造,拥有 50 万令牌的上下文窗口和视觉能力。它位于 xAI 产品线的中间层,但针对相同的严肃工作负载,输出价格更为适中。如果你需要大上下文、强推理且不想支付顶级价格,值得考虑。

以……著称

  • 50 万令牌上下文——此价位中较大的窗口之一
  • 在编码、STEM 和结构化知识任务上表现强劲
  • 支持视觉输入与文本并存
  • 相较其他前沿模型,输出价格具有竞争力

注意

  • 仅封闭权重——无法本地部署、离线使用或微调
  • 每百万输出令牌 6.00 美元,长上下文或高流量工作负载成本迅速累积
  • xAI 未发布详细模型卡,独立基准数据有限

推荐尝试的提示词

调试一个复杂函数
这是一个 Python 函数,旨在解析嵌套 JSON 并将其展平成带点号键的单层字典。当涉及数组时,它会静默丢失某些键。找出错误,解释原因,并给出修正版本及一个简短的测试用例以捕捉该错误。
推理一个 STEM 问题
一个密封容器内有 2 摩尔理想气体,温度 300 K,压力 1 atm。加热至压力翻倍。新温度是多少?然后解释如果气体非理想且容器非刚性,会发生什么变化,以及如何估算修正。
分析一份长文档
我将粘贴一份冗长的技术规格。请通读全文,找出三个最重要的模糊或矛盾之处,并解释如果不解决它们对后续工程的风险。然后建议工程师应向作者提出的最简澄清问题。

与……比较

  • Grok 4.7
    仅限API模型
    500,000 令牌上下文 · $2.00/M 输入,$6.00/M 输出
  • Grok 4.6
    仅限API模型
    500,000 令牌上下文 · $2.00/M 输入,$6.00/M 输出
  • Grok Build 0.1
    仅限API模型
    256,000 令牌上下文 · $1.00/M 输入,$2.00/M 输出
  • Grok 4.20 Multi-Agent
    仅限API模型
    2,000,000 令牌上下文 · $1.25/M 输入,$2.50/M 输出
来自 x-ai 的更多文本模型

常见问题

我可以本地运行 Grok 4.5 吗?
不可以——xAI 尚未发布 Grok 4.5 的开放权重,只能通过 API 访问,无法离线或自托管。
Grok 4.5 的价格和上下文窗口是多少?
输入令牌每百万 2.00 美元,输出令牌每百万 6.00 美元,上下文窗口为 50 万令牌。
Grok 4.5 与 Grok 4.7 有何不同?
两者输入价格均为每百万 2.00 美元,且上下文均为 50 万令牌,但 Grok 4.7 是 xAI 的高端型号;Grok 4.5 位于产品线较低端,输出价格相同为每百万 6.00 美元。
船长评语
一个具备真正大上下文窗口的强大前沿模型——适合严肃的编码和 STEM 工作,只要你能接受仅限 API 访问。
船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据,可能会变动。
Ranking badge
Updated Oct 22, 2026
ModelTrends.ai 上的 Grok 4.5:#95 Hottest Text / LLM model
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #95 Hottest Text / LLM text model
Not this creator?
这个评分是怎么计算的
这个模型还没有任何来源的流行度数据,所以它用一个低于 7,000° 的替代数值来保持列表完整。它永远不会排在有数据的模型前面。一旦有来源报告数据,分解就会显示在这里。
术语表:这里用到的术语
热度得分
一个数字,表示模型当前的使用和需求程度,范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序,别无他物。
基准线
所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°;基准线以下的部分保留给无数据的替代模型,这样有数据的模型总是排在无数据模型之上。基准线对所有人相同,不影响排名;超过基准线的度数才是实际测量值。
下载等价量
得分中当作下载计算的所有项目总和:下载本身,每个种子上传者算1,000,每个AI Horde图片和每次生成网站的运行算一个。
对数刻度
以十为单位计数,而不是以一为单位:从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
点赞
来自所有来源的点赞和竖起大拇指,每个点赞在对数刻度上价值半个下载。
采用率
模型当前每天的下载次数,基于两次读数的差值。权重是下载项的四分之一。
测量与估算
测量表示有两个来源的读数,且差异是真实的。估算表示只知道今天的总数,过去的数据是根据模型的生命周期分配的;网站会说明显示的是哪种。
做种者
指那些在线保存权重副本供他人通过种子下载的人,或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
AI Horde
一个志愿者网络,在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的,每张图片算作一次下载。
生成网站
托管自己模型副本并允许用户生成的站点,比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样,每次生成算一次下载。
OpenRouter 令牌
通过API提供的文本模型,如Claude或GPT,没有权重需要下载,因此其使用量以令牌计量:过去30天内通过OpenRouter(一种许多应用使用的网关)读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源:OpenRouter (openrouter.ai/rankings),CC BY 4.0。
完整模型(检查点)
权重文件本身,是能独立生成的文件。它会获得额外加分,因为附加组件依赖它。
LoRA和嵌入
小型附加文件,用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
家族与权重
模型构建所基于的基础,比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
年龄
根据家族权重发布多久,扣除的度数:每年150°,最多750°。它保留了那些积累了多年下载量的老模型,防止它们被挤出榜单顶部。
家族加成
对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分,总是在分数细目中列出。
替代分数
给还没有任何来源报告的模型一个稳定的最低分数,这样榜单才完整。它永远不会高于有数据的模型。
新模型!(宽限期)
不到7天的新模型显示“新模型!”而非分数,且不参与排名。其分数从第一天开始计算,但一天大的模型增长最快,若不等待,周榜#1总是昨天刚发布的模型,而非持续一周的。
趋势
模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升,比典型慢表示下降。
典型模型
目录的中间值:一半有数据的模型增长比它快,一半比它慢。