Grok 4.5 首发评测：推理追平 GPT-5.5，但 54% 幻觉率敲响警钟

Grok 4.5 首发评测：推理追平 GPT-5.5，但 54% 幻觉率敲响警钟

xAI 旗下的 Grok 4.5 于本周正式上线，独立评测平台 Artificial Analysis 第一时间给出了完整跑分。先看最受关注的 Intelligence Index 综合智能评分：54 分，排名第四，排在 Claude Fable 5（第一）、GPT-5.5（第二）和 Claude Opus 4.8（第三）之后。

这个成绩对一款从「推特嘴替」转型为严肃 AI 的产品来说，已经相当能打。

在 Coding Agent Index 上，Grok 4.5 搭配 Grok Build 得分为 76 分，与 GPT-5.5 配合 Codex 的成绩持平，仅落后于 Claude Fable 5。对于日常编程辅助来说，这意味着 Grok 4.5 已经进入第一梯队。

**关键数据：** 推理能力接近旗舰，但幻觉率从上一代的 25% 飙升至 54%，翻了一倍还多。

然而，这组亮眼数据背后藏着一颗定时炸弹。Grok 4.3 的幻觉率是 25%，而 4.5 直接翻倍到 54%。这意味着每两次回答中就有一次可能包含不实信息——对于需要高可靠性的企业应用场景，这个数字是致命的。

为什么推理能力提升了，幻觉反而更严重？行业内有一个尚未被充分讨论的解释：更强大的推理能力让模型更「自信」，但这种自信有时建立在虚构的逻辑链上。模型学会了编织看起来合理但实际错误的论证，而这恰恰是高幻觉率的温床。

成本方面，Grok 4.5 的 token 效率有显著提升。在 agentic workloads 场景下，其成本结构相比前代更加友好。结合 xAI 近期获得的大规模算力投资，Grok 正在走一条「性价比路线」——不追求全面超越，而是在关键指标上追平、在价格上拉开差距。

对于开发者来说，Grok 4.5 是一个值得关注的选项。但如果你是做医疗、金融等容错率极低的行业应用，建议至少在幻觉率回到 30% 以下之前保持观望。

在 AI 模型军备竞赛中，跑分只是入场券。谁能先把幻觉率控制住，谁才能真正赢得企业市场。

对于已经在使用 Grok 的开发者来说，当前版本的定位更像一个「多功能 AI 助手」——它既能写代码，也能做数据分析，还能在 X 平台上实时搜索最新信息。这种跨场景能力是纯代码模型或纯对话模型不具备的。但正因如此，Grok 4.5 的「广度优先」策略也与 Anthropic 和 OpenAI 的「深度优先」形成鲜明对比。

未来几个月的看点在于：xAI 能否在下一次迭代中将幻觉率显著压低。考虑到 xAI 拥有 X 平台的海量实时数据作为训练素材，如果能在事实准确性上追平对手，Grok 的性价比优势将变得非常有竞争力。

对于普通用户来说，Grok 4.5 已经足够胜任日常写作、翻译、代码调试和知识问答。只要记住一条原则：重要事实类问题，多问一次、交叉验证。这不是 Grok 特有的问题，而是当前所有大模型的共同局限。

从定价来看，xAI 采取了典型的「后发者」策略：在性能上追平一线梯队，在定价上保持优势。Grok 当前的价格约为 GPT-5.5 的 60-70%，考虑到它的综合智能排名第四且具备实时 X 平台搜索能力，这个性价比相当有竞争力。如果企业用户能在幻觉率和可靠性之间找到平衡点，Grok 4.5 可能是一个被低估的生产力工具。

👇 关注不错过

— END —
LC 智趣厅 · 科技与生活的交点
ihygg.cn