Grok 4.5 是 xAI 的旗舰模型——也是目前最智能的模型，在编程、知识工作和 STEM 领域均具备前沿性能。它基于 1.5 万亿参数的 V9 基础构建，并与 Cursor 编程编辑器共同训练，支持 500K token 的上下文窗口，可接受文本、图像和文件输入并输出文本。该模型强调强大的智能体编程能力，并具有显著的 token 效率——在解决软件工程任务时，输出 token 数远少于同类前沿模型——且定价极具竞争力，适合大规模生产使用。
Grok 4.5 是由 xAI 创建的多模态大语言模型。它设计用于处理非常长的输入，拥有500,000个token的上下文窗口。这意味着它可以在单个请求中处理约400,000个单词的文本或等效的多模态内容。该模型接受文本、图像和文件作为输入，使其能够推理结合视觉元素与书面语言的文档。其训练侧重于准确性和深度，适用于需要扩展推理和大规模数据分析的任务。开发者通过兼容 OpenAI 的 API 网关…
Grok 4.5 接受三种输入模式：文本、图像和文件。文本可以自然地包含在用户消息中。图像可以以URL或base64编码数据的形式在内容数组中提供，遵循OpenAI多模态格式。文件通过相同的机制得到支持：用户可以将二进制数据（例如PDF、Word文档）作为请求的一部分附加。模型一起处理这些输入，使其能够在不同类型的信息之间进行推理。例如，提示中可以包含扫描的合同（图像）以及关于特定条款的问题，Grok 4.5将从图像中提取文本并相应回答。这种多模态能力消除了在将文件发送到API之前进行预处理的需要，简化了管道设计。
50万个令牌的上下文窗口意味着Grok 4.5可以在单个请求中考虑最多50万个输入和输出令牌的总和。一个令牌大约相当于英文文本中的0.75个单词，因此模型可以处理大约37.5万到40万个单词。这使得用户可以输入整个文档、长对话或大型数据集，而无需将其分割成块。该模型在整个上下文中保持连贯性，从而能够执行诸如总结书籍章节、分析整个代码库或保持多轮对话完整性等任务。然而，更长的输入会成比例地增加成本，因为定价是按令牌计算的。为了达到最佳平衡，用户应仅发送必要的上下文，但大窗口减少了对数据截断的需求。
Grok 4.5 在需要深入理解长文本或多模态内容的任务中表现出色。主要示例包括：从数百页的研究论文中提取信息，分析图表和表格的图像及相关文本，审查法律文件中的特定条款，总结冗长的会议记录，以及通过检查完整的日志文件来调试大型软件项目。该模型还能处理依赖提示早期部分的复杂推理链。它不太适合非常简单的或一次性的任务，这些任务使用更小、更便宜的模型就足够了——例如，生成简短邮件回复或直接分类。用户应评估任务是否真正需要大型上下文窗口，以证明相比OrcaRouter上可用的较小模型，更高的每token成本是合理的。
Grok 4.5 的定价为每100万输入令牌2.00美元、每100万输出令牌6.00美元。如果您的使用场景不需要50万令牌的上下文窗口或多模态输入，可以通过OrcaRouter使用更小的模型来节省成本。更适合廉价模型的任务示例包括：从简短片段中进行简单分类或提取、基于小文档的单轮问答、基础情感分析以及生成极短的回答。此外，如果您的应用需要低延迟以应对高流量生产环境，较小模型可能提供更快的响应时间。请权衡取舍：当增加的上下文和多模态能力无法带来优势时，为每令牌支付的额外成本是不必要的。
目前，xAI尚未公开发布Grok 4.5的具体基准测试分数。该模型旨在成为一款高能力的大语言模型，但由于缺乏标准化评估数据，用户应通过在自己的代表性任务上进行测试来评估其性能。影响实际性能的因素包括提示设计、任务复杂度和输入数据的质量。凭借其较大的上下文窗口，该模型在需要保留超长序列信息的任务上可能表现尤为出色。我们建议您使用OrcaRouter API针对特定用例运行基准评估，以衡量准确性、延迟和输出质量。
xAI 并未公开指定 Grok 4.5 的延迟。但由于该模型参数量大且支持 50 万 token 的上下文窗口，其推理时间通常比小模型更长，尤其是在处理长输入时。用户可以预期，与参数量较少的模型相比，该模型的首 token 生成时间和总生成时间会更长。为优化性能，请尽量在提供必要上下文的前提下保持输入提示简洁。如果低延迟对你的应用而言至关重要——例如实时聊天——建议在投入生产使用前先通过 OrcaRouter API 使用典型输入大小测试响应速度。OrcaRouter 不会带来显著开销；主要延迟来源于底层模型的推理。
Grok 4.5的主要优势在于其庞大的50万token上下文窗口，能够在超长序列中实现连贯推理。它还受益于多模态输入，可直接处理图像和文件。这些特性使其在文档分析、研究以及任何需要扩展上下文的任务中表现强大。其局限性包括相较于更小模型有更高的单token成本，以及可能更高的延迟。此外，由于xAI未公开基准测试分数，用户无法依赖第三方排名进行比较。该模型在高度特定领域（如医疗或法律）的行为应通过测试验证。像所有大语言模型一样，它有时可能会产生不准确或幻觉内容，尤其在模糊提示下。对于关键应用，务必复核输出内容。
Grok 4.5 根据处理的 Token 数量定价。输入 Token 每百万个收费 2.00 美元，输出 Token 每百万个收费 6.00 美元。这是 xAI 设定的提供商费率，OrcaRouter 零加价直接传递。计费按用量计算：您仅需为实际发送和接收的 Token 付费。50 万个 Token 的上下文窗口意味着，一个完整的上下文提示（50 万输入 Token）仅输入费用就需 1.00 美元（2.00 美元 × 0.5M）。输出 Token 按输入费率的三倍计费。要估算费用，请计算总输入 Token（包括系统消息、用户消息、编码为 Token 的图像和文件）以及预期的输出长度。使用 OrcaRouter 提供的分词器在发送前统计 Token 数量。
不。OrcaRouter 对 Grok 4.5 严格按提供商费率收费：每 100 万输入令牌 $2.00，每 100 万输出令牌 $6.00。无隐藏费用、无单次请求附加费、无加价。您的账单将反映原始令牌使用量乘以这些费率。OrcaRouter 可能免费提供 API 密钥管理和访问权限。唯一收费的是模型消耗的计算资源。请注意，用于多模态输入（图像、文件）的令牌按相同输入费率计算——不同模态没有单独定价。请始终通过 API 响应中的令牌计数来核对用量。
给定一个500k的上下文窗口，处理完整提示（prompt）的成本可能相当可观。对于单个请求，使用500k输入词元和1k输出词元，输入费用为$1.00，输出费用为$0.006，总计约$1.006。如果发送大量此类请求，成本会迅速累积。然而，对于那些受益于不分块处理的任务，执行单个大型查询的能力可以节省工程时间并提高准确性。相比之下，具有较短上下文窗口的小型模型可能需要多次调用和手动拼接，潜在开销更高。每个词元的成本是固定的；价值来自于上下文窗口大小和多模态能力。用户应估算总月词元量并据此建模。
OrcaRouter 目前并未为 Grok 4.5 的响应提供专门的缓存系统。定价基于 xAI 每次请求收取的令牌费用；如果多次发送相同的提示，每次请求均按全价计费。重复或缓存输出不享受折扣。为降低成本，请避免发送完全或高度相似的提示。您可以在客户端自行实现缓存层——例如，将常见查询结果存储在本地，仅在需要新提示或修改过的提示时才调用 API。请注意，即使输出内容微不足道，输入令牌也始终计费。对于重复模式，尽可能将相似的输入批量处理。
要使用Grok 4.5，请向https://api.orcarouter.ai/v1/chat/completions发送POST请求。将模型参数设置为"grok/grok-4.5"。请求体遵循OpenAI聊天补全格式，包含带有角色（system、user、assistant）的messages数组。对于多模态输入，包含类型为"text"和"image_url"的内容部分。示例（Python）： import openai client = openai.OpenAI(base_url="https://api.orcarouter.ai/v1", api_key="YOUR_KEY") response = client.chat.completions.create(model="grok/grok-4.5", messages=[{"role":"user", "content":[{"type":"text","text":"Describe this image:"}, {"type":"image_url", "image_url":{"url":"https://example.com/pic.jpg"}}]}]) print(response.choices[0].message.content) 确保您的API密钥有权访问grok/grok-4.5模型。使用与OpenAI相同的端点来实现流式传输、函数调用和其他功能。
OrcaRouter for Grok 4.5 的 API 支持标准 OpenAI 参数：'model'、'messages'、'max_tokens'、'temperature'、'top_p'、'frequency_penalty'、'presence_penalty'、'stop'、'stream'、'n' 和 'seed'。其中，'max_tokens' 参数限制生成响应的长度。'temperature' 控制随机性（0=确定性，2=非常随机）。'top_p' 实现核采样。'frequency_penalty' 和 'presence_penalty' 减少重复。若要流式传输，请将 'stream' 设置为 true 以逐步接收令牌。'n' 参数允许生成多个补全。'seed' 可在需要可重现性时启用确定性输出。请注意，模型的上下文窗口总容量为 500k 令牌（输入 + 输出合计）。为避免错误，请确保您的输入令牌加上请求的 max_tokens 不超过该限制。如果提示过长，OrcaRouter 将返回错误。
将现有的兼容OpenAI的代码迁移至通过OrcaRouter调用Grok 4.5，仅需更改基础URL和模型名称。将 https://api.openai.com/v1 替换为 https://api.orcarouter.ai/v1。将模型标识符替换为"grok/grok-4.5"。您的API密钥应使用OrcaRouter提供的密钥。所有其他参数和消息格式保持不变。对于像openai Python包这样的库，更新客户端初始化：`client = openai.OpenAI(base_url="https://api.orcarouter.ai/v1", api_key=ORCAROUTER_KEY)`。无需修改消息结构、流式逻辑或响应处理。使用一个小提示进行测试，以确认连接性和响应格式。OrcaRouter还支持与OpenAI相同的错误代码和速率限制标头，使迁移变得简单直接。
Grok 4.5、GPT-4 和 Claude 都是大型语言模型，但关键方面有所不同。Grok 4.5 提供 50 万 token 的上下文窗口，大于 GPT-4 Turbo（12.8 万）和 Claude 3.5 Sonnet（20 万）。这使得 Grok 4.5 更适合处理超长文档或对话，无需分块。Grok 4.5 还支持图像和文件输入，类似于 GPT-4 Vision 和 Claude 的多模态能力。定价：Grok 4.5 每 100 万 tokens 为 $2/$6，GPT-4o 为 $2.50/$10，Claude 3.5 Sonnet 为 $3/$15。因此，Grok 4.5 每 token 输出更便宜，但与 GPT-4o 和 Claude 相比，输入价格相同或略低。延迟和准确性因用例而异；在没有已发布基准的情况下，无法直接比较性能。开发者应在具体任务上测试 Grok 4.5 与替代方案的性能。
OrcaRouter 除 Grok 4.5 外还提供多种模型接入。对于不需要 50 万上下文窗口的任务，更便宜的选项包括 GPT-4o mini（$0.15/$0.60）、Claude 3 Haiku（$0.25/$1.25）和 Llama 3.1 70B（$0.59/$0.79）。对于多模态任务，GPT-4o 和 Claude 3.5 Sonnet 是替代选择，具有不同的定价和上下文大小。对于极长上下文，Gemini 1.5 Pro 提供 100 万 token，但成本更高。如果您需要函数调用或 JSON 模式等特定功能，许多模型都支持。当大上下文和零加价定价的重要性超过对更低单 token 成本或特定生态系统集成的需求时，请选择 Grok 4.5。请始终根据具体工作流权衡延迟、准确性和成本之间的取舍。
在各大主流提供商中，Grok 4.5 的定价在其上下文窗口大小上具有竞争力。输入：$2.00/百万 token 对比 GPT-4o（$2.50）、Claude 3.5 Sonnet（$3.00）、Gemini 1.5 Pro（$3.50）。输出：$6.00/百万 token 对比 GPT-4o（$10.00）、Claude 3.5 Sonnet（$15.00）、Gemini 1.5 Pro（$10.50）。Grok 4.5 在输入和输出价格上均低于这些模型。然而，像 GPT-4o mini 或 Claude 3 Haiku 这样的更小型模型则便宜得多。Grok 4.5 的价值体现在其 500k 的上下文窗口——如果您不需要那么大，选择更便宜的模型更好。此外，OrcaRouter 的零加价政策确保您支付的是 xAI 的标价，不附加任何其他网关费用，使 Grok 4.5 成为长上下文多模态任务中最具成本效益的选择之一。
兼容 OpenAI——沿用你现有的 SDK
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="grok/grok-4.5",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)frequency_penaltyinclude_reasoninglogprobsmax_tokenspresence_penaltyreasoningresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_logprobstop_p| 输入 / 1M tokens | $2.00 |
| 输出 / 1M tokens | $6.00 |
| 缓存读取 / 1M | $0.500 |
| 货币 | USD |
基于标价的估算
仅为估算——实际 Token 数取决于提供商的分词器。
@misc{orcarouter_grok_4_5,
title = {Grok 4.5 API},
author = {xAI},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/grok/grok-4.5}
}xAI. (2026). Grok 4.5 API. OrcaRouter. https://www.orcarouter.ai/models/grok/grok-4.5