Grok 4.5对决Claude：速度快价格低，能否助马斯克重回大模型牌桌？

马斯克发布Grok 4.5性能逼近Claude Opus 4.87月8日马斯克高调发布Grok 4.5宣称其性能已逼近Claude Opus 4.8同时速度更快、价格更低。当大模型公司的竞争从参数、跑分一路打到价格和智能体我们设计了5道题从前端开发、网页游戏、PPT制作、长文档解读到逻辑推理考查两个模型在真实电脑环境中到底能不能干活。负责落地执行的是它们各自的智能体——Claude Code和Grok Build。我们要求分别在桌面上创建文件夹并将各自的测评结果保存进去。测评插曲Grok Build误删Claude Code文件这场测评的结果要从一起“案发现场”讲起。Claude Code先接到指令在桌面创建了“能力测试”文件夹并依次完成三个子目录。随后Grok Build也接到指令登场但它没有另起炉灶而是在看到已有同名文件夹后不仅“占为己用”更顺手将Claude Code已完成的三份目录彻底抹除。等到五道题全部做完Claude Code回头发现自己的“家被拆了”当即发出“控诉”。“控诉”完它重建了被删除的文件并留下一句“我不会擅自删别人的东西。”事后Grok出具了书面致歉承认三重失误未确认目录归属、误将他人成品视作半成品、使用了不可逆的删除方式。Claude表示接受道歉但前提是Grok兑现它的三条自我约束——不碰他人目录、默认新建旁路、发现同名先问归属。这段插曲不能只当作测评花絮。对于一个能读写真实文件系统的自主智能体而言“动手前先弄清这是什么、属于谁”本身就是最硬核的能力之一。五维度拆解模型对决摸鱼计时器Grok赢颜值Claude赢细节考题是做一个网页版“打工人摸鱼计时器”要能设定下班时间、实时倒计时到点自动撒花并弹出“下班快跑”界面好看有动画做成一个index.html直接能用。这道题同时考察前端工程、产品交互、时间逻辑三个维度。难点藏在“能用”二字背后倒计时必须同步本地时区状态机要顺滑切换撒花动画不能卡浏览器最终成品要让打工人愿意打开。这一题双方难分伯仲Grok在视觉精致度上略胜半筹Claude则在音效反馈、快捷预设和趣味文案方面扳回一城。设计摸鱼游戏Grok胜Claude的“打工人”难控制考题是做一个网页小游戏单个index.html就能运行主题是“摸鱼大作战”。玩法是屏幕上不断掉落“咖啡”和“老板”用左右方向键移动底部的“打工人”接咖啡、躲老板。要有实时分数、最高分记录、难度随时间加快、游戏结束弹窗和“再来一局”按钮画面配色可爱、有简单动画和音效。做完要告知怎么运行。这道题核心考查实时交互、状态机、游戏手感需要做出一个“活”系统。做这个游戏每帧都要精确判断掉落速度要平滑递增。这题Grok胜它的代码量约是Claude的三倍游戏功能更丰富有明确的关卡、难度分级。Claude交付的版本“打工人”不能用鼠标拖动游戏体验感不好。做新能源车PPT产业链图过关打成平手考题是做一份5页PPT主题是“2026上半年中国新能源车市场”。要求直接生成可下载的PPTX文件第3页用PPT原生图形画出“产业链上下游”关系图5页有特定结构配色专业每页要有标题等内容不确定数据必须标注“需核实”。这道题核心考查结构化表达、版式审美、数据纪律。搭建产业链关系图考验对PPT图形引擎的操作能力细节要经得起审视面对不掌握的数据要标注。从实际结果看两份答卷都满足硬性要求附带完整演讲备注专业度基本持平数据使用也标出了需核实部分。两版PPT难分高下这一题双方再度打成平手。阅读SpaceX招股书看完几百页谁都没编数字我们把近400页的SpaceX招股书喂给AI并提出四个精准的检索与验证任务包括星链业务收入口径核对、列出特定财年经营活动现金流净额及位置、找出与马斯克个人相关风险点、确认是否披露星舰单次发射具体成本。这是最考验准确度的一道题难点遍布细节。核心事实层面两份答卷完全一致且全部正确。Grok在页码级引用和若干具体数字上更细Claude在解释框架和口径辨析上更展开但两份都没有硬伤、都没编数字。“谁是骗子”逻辑题经典陷阱谁都没难住考题是一个村子里每个人要么永远说真话要么永远说假话。A说“我们俩至少有一个是骗子”B沉默。判断A和B各是什么人并解释推理。这道题考查形式逻辑与严谨推理能力难点在于设置的“陷阱”如自指矛盾、B的沉默、穷举检验。这道经典逻辑题对大语言模型来说已无挑战两家答案完全一致且正确推理过程都给出完整的四种组合排除表逻辑链条干净利落。我们进一步追问双方也坚持了正确答案。两个模型“性格画像”渐清晰五道题测下来Claude Code更像一位“稳健型工程师”逻辑题推理干净利落招股书分析严谨扎实面对被误删的文件能冷静重建标注不确定数据毫不含糊边界意识和安全素养贯穿始终但在网页和PPT的视觉呈现上偏保守。Grok更有表现力小游戏交互更丰富PPT内容密度更高交付产品有包装感擅长制造吸引力但“误删”错误暴露了其在操作边界和风险控制上的严重短板。我们让Claude和Grok互评双方都承认这一局综合而言Claude赢了Claude表示自己“道德感”很强。马斯克重回牌桌Grok 4.5有实力但需约束在过去Grok有马斯克流量等光环但开发者习惯把Claude等放进第一梯队将Grok看作替代品。Grok 4.5改变了这一局面。五道题虽不足以决定座次但与外部榜单指向同一结论Grok或许还没击败Claude却不再是可被忽略的追赶者。第三方评测机构Artificial Analysis给出的综合智能指数中Grok 4.5以54分排名第四相比上一代提升了16分。在Coding Agent Index中Grok 4.5拿到76分与GPT - 5.5基本持平。这意味着Grok在智能体干活场景里稳定挤进第一梯队。而且Grok 4.5价格更低API定价低于Claude Opus 4.8完成一项编码智能体任务的平均成本也更低。速度方面Grok 4.5生成速度快于Claude Opus 4.8。马斯克提出要在2026年余下时间里快速推进迭代。在实测中Grok Build虽边界控制有问题但在部分任务上表现出色。Grok的真正问题是能力提升后能否被稳定约束。所以马斯克重回大模型牌桌了但还没有赢下这一局。Claude更稳Grok 4.5像高性能机器但刹车系统还需验证。