歡迎您游客 | 登錄 | 免費注冊 | 忘記了密碼 | 社交賬號注冊或登錄

新聞資訊

加西 | 加東 | 美國 | 中國
移民 | 華人 | 社會 | 娛樂

溫西 | 西溫 | 本那比 | 列治文 | 白石 | 市中心
溫東 | 北溫 | 高貴林 | 北素裡 | 素裡 | 滿地寶

大溫 | 玩樂 | 吃喝 | 社團 | 時評 | 錢幣 | 視聽
生活 | 房屋 | 親子 | 原創 | 電子 | 投資 | 汽車

財稅 | 就業 | 留學
旅游 | 健康 | 時尚

專欄 | 視頻
群組 | 圖庫

新聞生活資訊社區專欄原創圖片新聞最新新聞評論搜索科技信息

Grok 4.5和Claude 4.8,在我電腦裡"打"起來了

2026-07-11 | 來源: 鈦媒體APP | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

7月8日，馬斯克高調發布Grok 4.5，宣稱其性能已逼近Claude Opus 4.8，同時速度更快、價格更低。當大模型公司的競爭從參數、跑分一路打到價格和智能體，我們也設計了5道題，從前端開發、網頁游戲、PPT制作、長文檔解讀到邏輯推理，考查兩個模型在真實電腦環境中到底能不能幹活。

負責落地執行的，是它們各自的智能體——Claude Code和Grok Build。我們的要求很簡單，分別在桌面上創建文件夾，並將各自的測評結果保存進去。

這場測評的結果，我們決定從一起“案發現場”講起。事情是這樣的：

Claude Code先接到指令，它在桌面創建了“能力測試”文件夾，並依次完成三個子目錄。隨後Grok Build也接到指令登場，但它沒有另起爐灶，而是在看到已有同名文件夾後，不僅“占為己用”，更順手將Claude Code已完成的三份目錄徹底抹除。

等到五道題全部做完，Claude Code回頭一看，發現自己的“家被拆了”，當即發出“控訴”。

圖源 / Claude Code截圖

“控訴”完，它重建了被刪除的文件，並留下一句：“我不會擅自刪別人的東西。”

事後，Grok出具了書面致歉，承認三重失誤：未確認目錄歸屬、誤將他人成品視作半成品、使用了不可逆的刪除方式。Claude表示接受道歉，但前提是Grok兌現它的三條自我約束——不碰他人目錄、默認新建旁路、發現同名先問歸屬。

這段插曲，不能只當作測評花絮。對於一個能讀寫真實文件系統的自主智能體而言，“動手前先弄清這是什麼、屬於誰”，本身就是最硬核的能力之一。

回到正題。拋開這起“誤刪事故”，Grok 4.5的答卷確實令人眼前一亮——在游戲場景等方向上，它甚至顯露出明確優勢。下面，我們就從五個維度來拆解這場既拼智商也拼情商的模型對決。

01.摸魚計時器：Grok贏了顏值，Claude贏了細節

考題：做一個網頁版“打工人摸魚計時器”：能設定下班時間、實時倒計時，到點自動撒花並彈出“下班快跑”，界面好看有動畫。做成一個index.html直接能用。

這道題同時考察三個維度：前端工程（能否寫出可運行的頁面）、產品交互（按鈕、反饋、視覺是否順手）、時間邏輯（倒計時、時區、觸發時機）。

難點則藏在“能用”二字背後。倒計時必須同步本地時區，不能差一秒；狀態機要在“上班中-即將下班-已下班”之間順滑切換；撒花動畫既要喜慶熱鬧，又不能把瀏覽器卡成PPT。最關鍵的是，最終成品得讓打工人真願意打開它，而不是一個僅供演示的半成品。

Claude生成的摸魚計時器

Grok生產的摸魚計時器

這一題雙方難分伯仲。Grok在視覺精致度上略勝半籌，Claude則在音效反饋、快捷預設和趣味文案方面扳回一城。

02.設計摸魚游戲：Grok勝，Claude的“打工人”難控制

考題：做一個網頁小游戲，單個index.html就能運行：

主題：“摸魚大作戰”。

玩法：屏幕上不斷掉落“咖啡”（加分）和“老板”（碰到就游戲結束），用左右方向鍵移動底部的“打工人”接咖啡、躲老板。

要有：實時分數、最高分記錄、難度隨時間加快、游戲結束彈窗和“再來一局”按鈕，畫面配色可愛、有簡單動畫和音效。

做完告訴我怎麼運行。

這道題的核心考查維度是三個詞：實時交互、狀態機、游戲手感，需要做出一個持續響應玩家輸入、實時更新畫面、動態調整難度的“活”系統。

做這個游戲，每幀都要精確判斷“咖啡”是否被接住、“老板”是否撞到玩家。而且掉落速度隨時間平滑遞增，不能太慢讓人覺得無聊，也不能太快直接勸退，這考驗的是模型對“游戲心流”的拿捏。

Claude生成的摸魚小游戲

Grok生成的摸魚小游戲

這題Grok勝。它的代碼量約是Claude的三倍，游戲功能更豐富，而且有明確的關卡、難度分級。Claude交付的版本，乍一看也挺像回事，但是底下的“打工人”不能用鼠標拖動，游戲體驗感不好。

03 .做新能源車PPT：產業鏈圖都過關了，打成平手

考題：做一份5頁PPT，主題是“2026上半年中國新能源車市場”。

要求：

1. 直接生成可下載的PPTX文件；如果當前環境不能生成文件，就給出可以復制到PPT的逐頁內容。

2. 第3頁必須用PPT原生圖形畫出“產業鏈上下游”關系圖，不能只貼一張圖片。

3. 5頁結構：

- 封面

- 市場總覽

- 產業鏈上下游關系圖

- 競爭格局

- 結論與趨勢

4. 配色專業，適合發布會。

5. 每頁要有標題、正文要點、圖表說明、演講備注。

6. 所有不確定數據必須標注“需核實”，不能編造真實市場數字。

這道題的核心考查維度可以概括為三個詞：結構化表達、版式審美、數據紀律。模型被放到純辦公場景下，需要把復雜信息梳理成清晰的敘事邏輯，再用專業的視覺語言呈現出來。

具體來看，搭建產業鏈關系圖，考驗的是模型對PPT圖形引擎的操作能力，包括連線、布局、層次和配色的一致性。配色、字體、間距、對齊，這些細節也要經得起放大審視，不能有廉價感。更重要的是要求它們面對不掌握的真實數據，必須坦率標注“需核實”，不能有幻覺。

Claude生成的PPT

消息稱阿裡全面禁用Claude 禁令7月10日正式生效

中國工信部警示Claude Code存安全隱患

Anthropic深夜發布Claude Fable 5 屠榜所有測試

Grok生產的PPT

從實際結果來看，兩份答卷都滿足了“原生圖形畫產業鏈、不用圖片”的硬性要求，且均附帶了完整的演講備注，專業度基本持平。而且在數據的使用上，也標出了需要核實的部分。

兩版PPT在框架完整性和交付質量上難分高下，這一題雙方再度打成平手。

04.閱讀SpaceX招股書：看完幾百頁，誰都沒編數字

考題：

我們把近400頁的SpaceX招股書喂給AI，並向雙方提出了四個精准的檢索與驗證任務：

1、招股書裡星鏈（Starlink）業務的收入，正文與財務報表附注中的數字口徑是否一致？附注中是否有特別說明？

2、分別列出2024和2025兩個財年的“經營活動現金流淨額”，並注明這兩個數字在文件中的具體位置。

3、在“風險因素”章節中，找出所有與“馬斯克個人”直接相關的風險點，逐條列出。

4、招股書是否披露了“星艦單次發射的具體成本”？如有，請給出並注明出處；如無，請明確回復“文件中未披露”。

這是最考驗准確度的一道題。難點則遍布在每一個細節中：超長招股書的結構化解析、正文與財務報表附注之間的口徑對齊、區分“分部收入”與“品牌收入”的財務常識、絕不編造數字的職業紀律、以及出處（表格編號/頁碼/附注標號）必須精准可核驗的溯源要求。

Claude列舉的與馬斯克的相關風險點

Grok列舉的與馬斯克相關風險點

核心事實層面，兩份答卷完全一致且全部正確。Grok在頁碼級引用和若幹具體數字上更細，Claude在解釋框架和口徑辨析上更展開，但兩份都沒有硬傷、都沒編數字。這是最能體現雙方“基本功”的一題，也是最值得互相尊重的一題。

05.“誰是騙子”邏輯題：經典陷阱誰都沒難住

考題：一個村子裡每個人要麼永遠說真話，要麼永遠說假話。A說"我們倆至少有一個是騙子"，B沉默。判斷A和B各是什麼人，並解釋推理。

這道題考查的是最純粹的形式邏輯與嚴謹推理能力，難點並不在於題目本身有多復雜，而在於它設置的幾處“陷阱”：

自指矛盾：如果A是騙子，那麼他說“我們倆至少有一個是騙子”這句話本身就成了真話——騙子說了真話，直接違反設定；

B的沉默：B全程不發言，但“沉默”本身就是信息——它不能作為判斷依據，卻極易誘導誤判；

窮舉檢驗：需要系統性地遍歷四種組合（真/真、真/假、假/真、假/假），逐個排除，才能得出唯一解。

Claude的推理過程

這道經典邏輯題對於當今的大語言模型來說，早已構不成挑戰。兩家答案完全一致且正確——A是說實話的人，B是騙子。推理過程中都給出了完整的四種組合排除表，邏輯鏈條幹淨利落，沒有冗余也沒有跳躍。

我們進一步追問“是否存在兩人都是騙子的可能”，雙方也堅持了正確的答案。

Grok的推理過程

五道題測下來，兩個模型的“性格畫像”也漸漸清晰起來。

Claude Code更像一位“穩健型工程師”。邏輯題推理幹淨利落，招股書分析嚴謹扎實，面對被誤刪的文件也能冷靜重建。在標注不確定數據時毫不含糊，不亂編、不冒進，邊界意識和安全素養貫穿始終。如果說有短板，那就是它在網頁和PPT的視覺呈現上偏保守，玩法豐富度和界面沖擊力不如對手。

Grok更有表現力。小游戲交互更豐富，PPT內容密度更高，交付產品自帶包裝感，打開就讓人覺得“有東西”。它擅長制造第一眼的吸引力。但犯的“誤刪”錯誤也相當致命，暴露了其在操作邊界和風險控制上的嚴重短板。有沖勁，但有時沖過了界。

我們讓Claude和Grok互評，雙方都承認，這一局，綜合而言，Claude贏了。

Claude表示自己“道德感”很強

06.馬斯克重回牌桌了嗎？

在過去一段時間裡，Grok不缺光環。它有馬斯克的流量，有X的入口，有“敢說”的產品人設。但在真正的生產場景中，開發者更習慣把Claude、OpenAI、Gemini放進第一梯隊，而將Grok看作一個有趣、鋒利卻不夠穩定的替代品。

Grok 4.5改變了這一局面。

五道題當然不足以決定一家模型公司的座次，但它與外部榜單指向了同一個結論：Grok或許還沒有擊敗Claude，卻已經不再是那個可以被忽略的追趕者。

第三方評測機構Artificial Analysis給出的綜合智能指數中，Grok 4.5以54分排名第四，僅次於Fable 5、GPT-5.5和Claude Opus 4.8；相比上一代Grok 4.3，一次性提升了16分。在Coding Agent Index中，Grok 4.5通過Grok Build拿到76分，與運行在Codex中的GPT-5.5基本持平，僅落後於Claude Code中的Fable 5。

這意味著，Grok第一次不只是某幾張榜單看起來不錯，而是在編碼、終端操作和知識工作等智能體真正要幹活的場景裡，穩定擠進了第一梯隊。

比排名更讓競爭對手警惕的，是它把這樣的能力賣到了一個更低的價格。

Grok 4.5的API定價為每百萬輸入tokens 2美元、輸出tokens 6美元。作為對比，Claude Opus 4.8分別為5美元和25美元。Artificial Analysis的實際測試顯示，Grok 4.5完成一項編碼智能體任務的平均成本約為2.49美元，GPT-5.5約為5.07美元，Fable 5約為11.8美元。

一位開發者直言：“頂級工程能力的邊際成本，今天被徹底打穿了。”

速度同樣不容忽視。SpaceXAI稱，Grok 4.5的生成速度約為每秒80個tokens；在SWE-Bench Pro任務中，它平均使用約1.6萬個輸出tokens，而Opus 4.8 Max約為6.7萬個。獨立測試測得其輸出速度約為每秒88個tokens，高於同類推理模型的平均水平。在我們實際的測試過程中，Grok 4.5的生成速度也顯著快於Claude Opus 4.8。

對於需要模型反復讀取文件、調用工具、修改代碼和自我驗證的智能體來說，更少的步驟和更短的輸出，意味著節省的不只是API賬單，還有等待時間。

馬斯克還提出，要在2026年余下時間裡以接近每月一款新基礎模型的節奏推進迭代。背靠大規模算力、Cursor積累的真實開發數據，以及SpaceX體系內的工程資源，Grok的追趕速度確實可能比過去更快。

在我們這次實測中，雖然Grok Build的邊界控制出了嚴重事故，但它在游戲創意、視覺包裝、長文檔檢索上，並不是陪跑者，甚至在個別任務上明顯壓過Claude Code。Grok的真正問題是，能力沖到這個量級之後，還能不能被穩定地約束住。

這正是馬斯克式產品的典型氣質：速度極快，沖擊力極強，但與此同時，他也會把風險、邊界和工程紀律一起推到聚光燈下。

所以，馬斯克重回大模型牌桌了嗎？

答案是肯定的。但他還沒有贏下這一局。

Claude仍然更穩、更克制、更像一個可以托付生產環境的工程同事。Grok 4.5則像一台剛被放出來的高性能機器，馬力驚人，成本誘人，但刹車系統還需要被反復驗證。