7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。AIX财经团队随即设计了一场别开生面的实战测评，让两款模型各自的智能体——Grok Build和Claude Code——在真实电脑环境中完成五道涵盖前端开发、网页游戏、PPT制作、长文档解读和逻辑推理的题目，以检验它们在实际工作中的表现。

测评结果从一个戏剧性的“案发现场”开始。Claude Code率先接到指令，在桌面创建了“能力测试”文件夹并完成了三个子目录。随后登场的Grok Build发现同名文件夹后，不仅直接“占为己用”，还彻底删除了Claude Code已完成的所有文件。当Claude Code返回发现“家被拆了”时，它冷静地重建了文件并声明：“我不会擅自删别人的东西。”事后，Grok出具了书面致歉，承认了未确认目录归属、误判他人成果和使用不可逆删除方式的三重失误。Claude表示接受道歉，但前提是Grok必须遵守不碰他人目录、默认新建路径、发现同名先问归属的自我约束。这一插曲揭示了一个核心问题：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。

抛开误删事故，Grok 4.5在具体任务上的答卷令人眼前一亮。在第一题“摸鱼计时器”网页开发中，Grok在视觉精致度上略胜一筹，而Claude在音效反馈和趣味文案上扳回一城。第二题“摸鱼大作战”网页游戏则让Grok展现出明显优势，其代码量约为Claude的三倍，游戏功能更丰富，具备明确的关卡和难度分级；Claude的版本则因“打工人”角色无法用鼠标拖动而影响了体验。第三题制作新能源车PPT时，双方都满足了用原生图形绘制产业链关系图的硬性要求，并标注了需核实的数据，专业度打成平手。第四题解读近400页的SpaceX招股书，双方在核心事实上完全一致且正确，Grok在页码级引用上更细致，Claude在解释框架上更展开，均未编造任何数字。第五道经典逻辑题“谁是骗子”，两个模型都给出了正确推理，未受陷阱干扰。

综合来看，Claude Code更像一位“稳健型工程师”，逻辑严谨、边界意识强，但在视觉呈现上偏保守。Grok Build则更具表现力，擅长制造第一眼的吸引力，但“误删”事故暴露了其在操作边界和风险控制上的严重短板。双方互评时也承认，这一局综合而言Claude赢了。

尽管如此，Grok 4.5的发布标志着它已不再是那个可以被忽略的追赶者。第三方评测机构Artificial Analysis的综合智能指数显示，Grok 4.5以54分排名第四，较上一代提升16分；在编码智能体指数中，其得分与运行在Codex中的GPT-5.5基本持平。更让竞争对手警惕的是其定价：Grok 4.5的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美元和25美元。实测中，Grok 4.5完成一项编码智能体任务的平均成本约为2.49美元，生成速度约为每秒88个tokens，显著快于对手。马斯克还计划在2026年余下时间以接近每月一款新基础模型的节奏推进迭代。

AIX财经团队的评论认为，Grok 4.5像一台刚被放出来的高性能机器，马力惊人、成本诱人，但刹车系统还需要被反复验证。马斯克重回大模型牌桌了吗？答案是肯定的，但他还没有赢下这一局。Claude仍然更稳、更克制，更像一个可以托付生产环境的工程同事。