Hoy lanzamos Grok 4.5 junto con SpaceXAI, nuestro modelo más inteligente y el primero que hemos construido para algo más que ingeniería de software.
Grok 4.5 puede manejar tareas difíciles y de larga duración que requieren el uso creativo de herramientas para resolver problemas, ya sea en ingeniería de software, ciencia de datos, finanzas, trabajo legal o cualquier otra cosa que haga en una computadora.
Los planes de suscripción de Cursor para individuos y equipos incluyen un uso significativo del modelo con uso doble durante la primera semana. También agregamos nuevas salvaguardas que reflejan las capacidades de ciberseguridad del modelo.
Una base sólida
Grok 4.5 es un modelo mixto de expertos que entrenamos junto con SpaceXAI.
La capacitación incluyó billones de tokens de datos de Cursor que capturan una amplia gama de interacciones de los usuarios con bases de código y herramientas de software. Este conjunto de datos permite que el modelo aprenda tanto del software existente como de las interacciones entre desarrolladores y agentes, capturando cómo trabajan los desarrolladores y cómo los agentes interactúan con sus entornos.
Si bien entrenamos nuestro modelo anterior, Composer 2.5, para que fuera un especialista en codificación, para Grok 4.5 mantuvimos la combinación de datos de entrenamiento deliberadamente más amplia. Esto implicó aprovechar tareas STEM de alta calidad, artículos de investigación y otros trabajos de conocimiento, de modo que el modelo ganó competencia en una amplia gama de dominios.
Aprendizaje por refuerzo en problemas difíciles.
Utilizamos el aprendizaje por refuerzo en problemas difíciles en entornos realistas que abarcan tanto la ingeniería de software como el trabajo de conocimiento más amplio. Estos entornos enseñan al modelo a investigar problemas, utilizar herramientas, recuperarse de errores y verificar resultados.
Muchos de estos problemas tuvieron que diseñarse para que fueran lo suficientemente difíciles como para que incluso los modelos fronterizos fracasaran. A medida que los modelos mejoran, las tareas existentes dejan de enseñarles nada nuevo y los problemas que alguna vez requirieron un razonamiento extenso se vuelven rutinarios.
Desarrollamos un sistema de agentes distribuidos para construir estos entornos a escala. Los ingenieros especifican un problema y cómo se verifica una solución, y grandes grupos de agentes construyen, prueban y perfeccionan cada entorno. Algunos habrían llevado meses a equipos de cientos de ingenieros para construirlos. Esta es una de las formas en que utilizamos el modelo anterior para acelerar el progreso en el próximo modelo.
Comience con Grok 4.5
Grok 4.5 está disponible hoy en Cursor para escritorio, web, iOS, CLI y nuestro SDK.
Los planes individuales y de equipo incluyen un uso significativo del modelo como parte de nuestro grupo de modelos propios, y estamos duplicando el uso durante la primera semana. El modelo base tiene un precio de $2/M de tokens de entrada y $6/M de tokens de salida. También hay una variante rápida con tokens de entrada de $4/M y tokens de salida de $18/M.
Grok 4.5 y Composer 2.5 son dos clases de peso de modelo diferentes y estamos entusiasmados de admitir ambos tamaños y pesos. Composer 2.5 seguirá ofreciéndose y lanzaremos nuevos modelos de este tamaño en el futuro.
-
SWE-Bench Pro y Terminal-Bench muestran puntuaciones autoinformadas para modelos de terceros. Para SWE-Bench multilingüe, la puntuación GPT 5.5 proviene de nuestra ejecución interna.
-
Grok 4.5 tiene una ventaja en CursorBench porque una instantánea anterior del código base del Cursor se incluyó accidentalmente en el entrenamiento. El impacto exacto no está claro. Esos datos se han eliminado para modelos futuros y, en paralelo, estamos trabajando en una actualización más amplia de CursorBench, de ahí la exclusión aquí.
