Cursor的Grok 4.5由AI智能体而非人类构建, , 这才是真正的新闻。

周一，Cursor宣布推出Grok 4.5，这是一个与SpaceXAI联合训练的混合专家模型。但头条新闻, , 一个更智能、基准测试分数更高的模型, , 错过了真正的故事。最重要的进展不是模型本身，而是它如何被构建。cognitions-swe-17-pushes-coding-agent-cost-performance-further-with-42-benchmark-score

自我强化的循环

Grok 4.5是第一个训练环境由自主AI智能体大规模构建的模型。据Cursor称，工程师定义问题和验证方法，然后大量智能体构建、测试和完善每个训练环境。公司表示，其中一些问题如果由成百上千的工程师团队手动创建，将需要数月时间。why-parallel-agents-are-the-next-battleground-for-ai-orchestration

“这是我们使用先前模型加速下一代模型进步的方式之一，”公司在其公告中写道。

这是一个自我强化的循环：每一代模型都帮助构建教导下一代模型的环境。结果是一个加速的能力飞轮，改进速度呈复合增长。

不仅仅是编码专家

与Cursor先前针对编码进行窄优化模型Composer 2.5不同，Grok 4.5保留了更广泛的训练数据混合。公司特意包含了高质量的STEM任务、研究出版物和其他智力工作形式。结果是一个声称在软件工程、数据科学、金融、法律以及任何基于计算机的职业中都具备掌握能力的模型。the-frontend-refactor-600-files-at-a-time-what-moonshotais-rebuild-reveals-about-ai-coding-agents-in-production

Grok 4.5的训练始于来自Cursor交互数据数万亿个token，捕捉了开发者和智能体如何在代码库和工具上工作。然后它在现实环境中的难题上进行了强化学习，学会了分析、使用工具、从错误中恢复和验证结果。

公司指出，随着模型改进，现有任务不再教授新东西，曾需要深度推理的问题变得微不足道。新的训练管道旨在持续生成足够困难的问题。

基准测试与数据污染警告

Cursor在SWE-Bench Pro、Terminal-Bench和多语言SWE-Bench上发布了Grok 4.5的基准测试分数。但公司也披露，Grok 4.5在CursorBench上受益于一个优势：Cursor代码库的早期快照意外地被包含在训练中。“确切影响尚不清楚，”Cursor写道。这些数据已从未来模型中移除，Cursor正在对CursorBench进行更大的更新。the-benchmark-that-made-language-models-speak-how-2018s-glue-bet-changed-ai-forever

这种透明度在一个经常对数据污染闭口不谈的行业中实属罕见。这也意味着CursorBench分数应持保留态度。

定价与可用性

Grok 4.5今日在Cursor的桌面端、网页端、iOS、CLI和SDK上可用。个人和团队计划中包含专有模型池的大量使用量，首周使用量翻倍。基础模型定价为每百万输入token 2美元，每百万输出token 6美元。一个更快的变体版本价格为每百万输入4美元，每百万输出18美元。

Composer 2.5仍作为独立权重类别可用，Cursor表示未来将推出该类别更多模型。

更大的图景

Cursor的方法, , 使用AI智能体为下一代模型构建训练环境, , 可能比任何单一模型发布都更具影响力。如果这种自我强化的循环能够扩展，它可能显著压缩在广泛智力工作中实现通用能力的时间线。moonshot-ais-k27-code-is-faster-and-cheaper-but-open-source-coding-models-face-a-new-benchmark-gap

公司的策略很明确：不是仅靠模型规模竞争，而是利用已有模型更高效地构建更好模型的能力竞争。而这可能是Grok 4.5最重要的启示。