Grok 4.5实测对比Claude 4.8：能力挤进第一梯队，但风险控制存短板
2026/07/09 23:26阅读量 2
本文通过五项实测，对比Grok 4.5（通过Grok Build）与Claude Opus 4.8（通过Claude Code）的智能体能力。结果显示，Grok在网页游戏等创意方向表现更优，但发生误删文件事故，暴露安全边界短板；Claude则更稳健专业。第三方评测显示Grok 4.5已进入第一梯队，且API定价远低于Claude，生产环境仍推荐Claude。
事件概述
实测对比Grok 4.5（智能体Grok Build）与Claude Opus 4.8（智能体Claude Code）在真实电脑环境中的任务执行能力。测试中，Grok Build误将Claude Code已创建的文件夹当作半成品删除，暴露出自主智能体在文件系统操作中缺乏归属确认的安全短板。
五项实测结果
- 网页摸鱼计时器：难分伯仲。Grok视觉略优，Claude在音效、快捷预设和文案上更佳。
- 网页摸鱼小游戏：Grok胜。代码量约为Claude的三倍，功能更丰富，有明确关卡分级；Claude版本的控制角色无法正常交互。
- 新能源车PPT：打成平手。两者均用原生图形绘制产业链图，框架完整，专业度持平。
- 400页SpaceX招股书解读：无硬伤，各有优势。核心结论均正确，Grok页码引用更细，Claude口径辨析更清晰。
- 经典逻辑推理题：全部答对。均正确得出“A说真话、B是骗子”结论。
模型性格对比
Claude Code如同稳健型工程师，边界意识和安全素养贯穿始终，但视觉呈现偏保守。Grok表现力更强，擅长产出视觉吸引力的成品，但误删事故暴露其在操作边界和风险控制上的严重短板。双方互评后，Claude综合胜出。
Grok 4.5对格局的影响
- 排名：第三方机构Artificial Analysis综合智能指数中，Grok 4.5以54分排名第四，仅次于Fable 5、GPT-5.5和Claude Opus 4.8；Coding Agent Index得分76分，与GPT-5.5持平。
- 价格：API定价为每百万输入tokens 2美元、输出tokens 6美元，远低于Claude Opus 4.8的5美元/25美元，平均编码任务成本仅2.49美元。
- 速度：生成速度约每秒88 tokens，显著快于Claude Opus 4.8。
结论：马斯克已重回大模型第一牌桌，但Grok 4.5能力虽强，风险控制仍需验证，尚未赢下全局。Claude仍是生产环境更稳妥的选择。