Grok 4.5 实测：这次终于没让我失望 xAI 前几代 Grok，发布前吹得震天响，真上手实测，拉垮得不行。所以 7 月 9 日 Grok 4.5 正式公开那天，我本来没抱什么期待。 结果这次，真有点不一样，骗你我是小狗。 我实际跑了一圈编码任务，Grok 4.5 的速度很快，编程能力稳稳站进第一梯队。还解决了 GLM 5.2 都没解决的难题，而且明显更利落。这次之所以提升这么多，背后有个关键信息，新模型是和 Cursor 一起训练的。也就是说它拿到了优质的 coding 数据，在编程场景和优质数据上打磨，定价 $2/M 输入、$6/M 输出，对海外御三家来说性价比拉满，价格高于 GLM5.2 能力比 GLM5.2 强一点。 但它也不是没短板。 第一个短板是上下文。当前只给到 50 万 token，官方说 100 万长上下文要等到下周才更新。你要处理长文档、长代码库，现在还得忍一忍。 第二个短板是中文。处理中文任务时偶尔掉链子，语句不大通顺，用来处理中文文档工作不大行。 有意思的是，几乎同一时间，腾讯的混元 hy3 也被大家翻出来讨论。两者处境很像：能力都明显追上来了，而且训练数据来源高度接近，都来自社交平台，沉淀了大量真实优质内容。 hy3 在 OpenRouter 上的限免活动属实，免费调用一直到 7 月 21 日。在腾讯自家的 IMA、WorkBuddy、元宝上也能直接体验。腾讯手里握着公众号、腾讯新闻这些优质内容源，数据底子不缺。hy3 本身是个中等规模模型，295B MoE、21B 激活参数，SWE-bench 跑到 78。体量不大，但在写文章、做文档这类中文场景上表现很突出，我用下来超过了 minimax-M3，算国内第一梯队。 把这几个信号放在一起看，结论其实很清楚，决定模型上限的，除了参数还有数据质量。 Claude 在编程上长期遥遥领先，最早就是吃到了 Cursor 早期的高质量交互数据。GLM 最早称为 Claude 平替，也是因为它最先押注 coding，数据积累从一开始就走在前面，所以编程能力一直排在国产第一梯队。这次 Grok 能追上来，也以来 Cursor 的数据一起训练的。腾讯 hy3 则既有社交平台的优质语料，又有 IMA、WorkBuddy 里独有的用户上下文，数据 + 产品这个组合，体验的优势是很明显的。 优质的数据是hy3 和 Grok 这一波模型能力追上来的真正原因。