Przegapiłbym tę premierę, gdyby nie to, że Cursor to mój codzienny edytor. Grok 4.5, wydany 8 lipca wspólnie przez SpaceXAI i Cursora, to na papierze kolejny model do kodowania w i tak już zatłoczonym peletonie. Ale kiedy przeczytałem, jak powstał, zrozumiałem, że to premiera innego rodzaju: to pierwszy duży model wytrenowany wspólnie z producentem edytora kodu, na bilionach tokenów danych z tego edytora. Nie na statycznych repozytoriach z GitHuba, tylko na tym, jak setki tysięcy programistów naprawdę pracują: co piszą, co cofają, jak nawigują po projekcie, kiedy akceptują podpowiedź, a kiedy ją odrzucają z irytacją. Przekopałem się przez ogłoszenie Cursora, niezależne testy i cenniki - i mam sporo przemyśleń, w tym kilka mniej entuzjastycznych.
Skąd się wziął Grok 4.5: fuzja, o której trudno nadążyć
Najpierw kontekst biznesowy, bo bez niego nic tu nie ma sensu. Kilka tygodni przed premierą SpaceX formalnie zgodził się przejąć Cursora w transakcji wyceniającej startup na 60 miliardów dolarów - a ponieważ xAI jest już częścią tej samej grupy, Grok 4.5 to pierwszy wspólny produkt tego układu. Cursor wniósł do treningu biliony tokenów zanonimizowanych interakcji użytkowników z kodem i narzędziami, xAI dołożyło infrastrukturę obliczeniową i własne dane STEM: zadania i prace naukowe.
Cursor opisuje Grok 4.5 jako "najinteligentniejszy model, jaki zbudowaliśmy, i pierwszy stworzony do czegoś więcej niż inżynierii oprogramowania" - obok kodu wymienia analizę danych, finanse i pracę prawniczą. To zresztą ciekawy sygnał sam w sobie: firma, która zbudowała pozycję na edytorze dla programistów, otwarcie celuje w rynek "pracy przy komputerze" jako całość.
Trening na danych z edytora: przewaga, jakiej nie ma nikt inny
To jest dla mnie najciekawszy wątek tej premiery. Klasyczne modele do kodowania uczą się na kodzie, który już istnieje: repozytoria, commity, issue. Grok 4.5 uczył się dodatkowo na procesie powstawania kodu. Dane z Cursora pokazują rzeczy, których nie ma w żadnym repozytorium:
- jak programista porusza się po nieznanym projekcie, zanim zacznie cokolwiek zmieniać,
- które podpowiedzi są akceptowane, a które natychmiast cofane - czyli bezpośredni sygnał jakości,
- jak wygląda sekwencja edycji w wielu plikach przy prawdziwej refaktoryzacji, ze ślepymi uliczkami włącznie,
- jak ludzie używają narzędzi: terminala, wyszukiwania, testów - w trakcie rozwiązywania problemu.
Jeśli agentowe AI ma być czymś więcej niż generatorem plausible-looking kodu, to dokładnie takich danych potrzebuje. I tu Cursor ma zasób, którego nie kupi ani OpenAI, ani Anthropic: telemetrię z edytora, w którym codziennie pracują miliony ludzi. Pisałem w przeglądzie stacka AI do kodowania na 2026, że przewaga przesuwa się z modeli na dane i integrację - Grok 4.5 to pierwszy duży dowód, że to nie była teoria.
Jest i druga strona tego medalu. Po pierwsze, pytanie o prywatność: Cursor mówi o danych zanonimizowanych, ale granica między "anonimową interakcją" a "fragmentem waszego firmowego kodu w zbiorze treningowym" bywa cienka i warto śledzić, co dokładnie firma zbiera w domyślnych ustawieniach. Po drugie, wyszedł już pierwszy zgrzyt: Cursor przyznał, że do treningu przypadkowo trafiła starsza migawka kodu samego Cursora, przez co model ma nieuczciwą przewagę na wewnętrznym benchmarku CursorBench. Uczciwie to ujawnili, ale to dobra lekcja, żeby wyniki "na własnym benchmarku producenta" traktować z rezerwą.
Benchmarki Grok 4.5: solidnie, ale bez detronizacji
No właśnie, liczby. Niezależne testy rysują obraz modelu bardzo dobrego, ale nie przełomowego. W Terminal Bench 2.1, mierzącym złożone zadania w wierszu poleceń, Grok 4.5 osiąga 83,3% - praktycznie remis z GPT 5.5 (83,4%) i o punkt za Claude Fable 5 (84,3%). Za to w DeepSWE 1.1, czyli rozwiązywaniu prawdziwych issue z GitHuba, jest wyraźnie słabiej: 53% wobec 67% GPT-5.5 i 70% Fable 5. Na SWE Bench Pro model ma 64,7% - mniej niż Opus 4.8 (69,2%) i dużo mniej niż Fable 5 (80,4%). Cursor chwali się też wynikiem 78% na SWE-Bench Multilingual.
Mój wniosek z tych liczb: Grok 4.5 nie jest najlepszym modelem do kodowania na rynku i nikt poważny tego nie twierdzi. Jest za to modelem klasy "bardzo blisko czołówki" o jedną, kluczową cechę taniej. I to prowadzi nas do ekonomii.
Ekonomia: tu się robi naprawdę ciekawie
Cennik API wygląda tak: 2 USD za milion tokenów wejściowych i 6 USD za wyjściowe w wersji bazowej oraz 4/18 USD w wariancie fast. Dla porównania: topowe modele zachodnie potrafią kosztować kilkukrotnie więcej za tokeny wyjściowe. Ale prawdziwa przewaga siedzi gdzie indziej: według niezależnych pomiarów Grok 4.5 zużywa około 4,2x mniej tokenów wyjściowych niż Opus 4.8 przy zadaniach z SWE-Bench Pro, przy szybkości serwowania rzędu 80 tokenów na sekundę. Niższa stawka razy kilkukrotnie mniejsze zużycie daje różnicę w rachunku, którą widać gołym okiem.
Warto to przeliczyć na konkretny przykład. Typowa sesja agentowa nad średnim zadaniem - powiedzmy 200 tysięcy tokenów wejścia i 30 tysięcy wyjścia - kosztuje w Grok 4.5 około 0,58 USD. Ten sam wolumen w modelu liczącym sobie 15 USD za milion tokenów wyjściowych i 3 USD za wejściowe to już 1,05 USD, a przy droższych modelach frontier różnica rośnie do kilku dolarów na pojedynczej sesji. Przy zespole, który odpala dziesiątki takich sesji dziennie, rachunek za miesiąc różni się o rzędy setek lub tysięcy dolarów. To są pieniądze, które CFO widzi bez lupy.
The Decoder podsumował to zdaniem, które mocno u mnie rezonuje: Grok 4.5 jest na tyle tani względem Fable 5 i GPT 5.5, że różnice w benchmarkach mogą przestać mieć znaczenie dla dużej części zastosowań. Bo w praktyce większość zadań w edytorze to nie są łamigłówki z górnej półki trudności, tylko masówka: dopisz test, popraw typ, przenieś funkcję, wygeneruj boilerplate. Jeśli model o 10-15 punktów procentowych słabszy w najtrudniejszych testach robi tę masówkę kilkukrotnie taniej i szybciej, to ekonomia wygrywa z tabelką.
Co to znaczy dla użytkownika Cursora
W samym Cursorze Grok 4.5 wchodzi do puli modeli first-party na planach indywidualnych i zespołowych, obok trybu Auto i Composera 2.5 - Cursor podkreśla, że to dwie różne klasy wagowe i oba modele będą rozwijane równolegle. Dostępny jest wszędzie: desktop, web, iOS, CLI i SDK. Przez pierwszy tydzień po premierze (do 15 lipca) limity użycia były podwojone, co odbieram jako dość agresywną zachętę, żeby ludzie w ogóle przestawili domyślny wybór.
Po kilku dniach używania go w codziennej pracy mam wrażenia zbieżne z benchmarkami: w zadaniach terminalowych i wieloplikowych edycjach jest zauważalnie sprawny i - co doceniam bardziej - oszczędny w gadaniu. Nie produkuje trzech ekranów wyjaśnień do jednolinijkowej poprawki. Przy naprawdę trudnych bugach dalej wracam do cięższych modeli, ale takie rotowanie modelami pod zadanie to i tak codzienność każdego, kto pracuje z AI na poważnie. Ciekawostka dla śledzących rynek open-weight: o tym, jak wygląda konkurencja z drugiego bieguna cenowego, pisałem wczoraj przy okazji premiery Kimi K3 - i zestawienie tych dwóch premier w jednym tygodniu dobrze pokazuje, jak szeroki zrobił się rynek.
Jak ustawić Grok 4.5 w swoim workflow: moje podejście
Jeśli używacie Cursora i zastanawiacie się, czy w ogóle dotykać nowego modelu, oto jak ja bym to rozegrał (i mniej więcej tak to rozegrałem):
- Nie przełączajcie się w ciemno na wszystko. Zostawcie swój dotychczasowy model do zadań, przy których cenicie go najbardziej, a Grok 4.5 ustawcie na tydzień jako domyślny do codziennej masówki: generowanie testów, drobne refaktoryzacje, poprawki typów, commity. To kategoria zadań, w której jego szybkość i niski koszt są najbardziej odczuwalne, a ryzyko błędu najmniejsze.
- Obserwujcie zużycie limitów, nie tylko jakość. W planach Cursora realną różnicę robi to, ile "kredytów" schodzi na tydzień pracy. Model, który zużywa kilkukrotnie mniej tokenów wyjściowych, potrafi wydłużyć życie miesięcznego limitu bardziej niż jakakolwiek zmiana nawyków.
- Trudne bugi dawajcie dwóm modelom. Mój ulubiony test nowego modelu to podanie mu problemu, który inny model już rozwiązał (albo poległ). Po pięciu takich porównaniach wiecie o realnej jakości więcej niż z każdej tabelki benchmarków.
- Sprawdźcie ustawienia prywatności zespołu. Skoro dane z edytora stały się paliwem treningowym, warto raz na kwartał przejrzeć, co wasza organizacja ma włączone w ustawieniach udostępniania danych - zwłaszcza jeśli pracujecie z kodem objętym NDA. Tryb prywatności w Cursorze istnieje, ale trzeba go świadomie włączyć i zweryfikować.
Po tygodniu takiej rotacji będziecie wiedzieć, czy ekonomia Grok 4.5 działa też u was, czy wasz profil pracy jednak wymaga cięższego modelu na co dzień.
Podsumowanie: nowy rodzaj przewagi
Grok 4.5 zapamiętam nie ze względu na wyniki, tylko ze względu na metodę. Moje wnioski:
- Dane z edytora to nowa waluta. Pierwszy model trenowany na bilionach tokenów realnych interakcji programistów pokazuje, że przewaga przenosi się z "kto ma większy klaster" na "kto widzi, jak ludzie naprawdę pracują".
- Benchmarki: dobre, nie najlepsze. Remis z czołówką w terminalu, wyraźna strata przy prawdziwych issue z GitHuba. Do najtrudniejszych zadań to wciąż nie jest pierwszy wybór.
- Ekonomia jest głównym argumentem. 2/6 USD za milion tokenów plus kilkukrotnie mniejsze zużycie wyjścia daje koszt pracy, przy którym różnice punktowe w benchmarkach przestają boleć.
- Uważajcie na benchmarki producenta. Wpadka z migawką kodu Cursora w danych treningowych to przypomnienie, że wewnętrzne testy zawsze trzeba konfrontować z niezależnymi.
- Konsolidacja rynku przyspiesza. SpaceX, xAI i Cursor w jednej grupie oznacza, że edytor, model i infrastruktura pierwszy raz należą do jednego gracza. To wygodne - i trochę niepokojące, jeśli cenicie sobie możliwość zmiany dostawcy.