Cursor ra mắt Grok 4.5: Mô hình chuyên biệt cho lập trình và phân tích dữ liệu

Hôm nay, chúng tôi chính thức ra mắt Grok 4.5 cùng với SpaceXAI, mô hình thông minh nhất của chúng tôi và cũng là mô hình đầu tiên được xây dựng cho nhiều mục đích hơn là chỉ kỹ thuật phần mềm.

Grok 4.5 có khả năng xử lý các tác vụ phức tạp, kéo dài, đòi hỏi việc sử dụng công cụ một cách sáng tạo để giải quyết vấn đề, dù là trong lĩnh vực kỹ thuật phần mềm, khoa học dữ liệu, tài chính, pháp lý hay bất kỳ công việc nào khác mà bạn thực hiện trên máy tính.

Các gói đăng ký Cursor dành cho cá nhân và nhóm bao gồm hạn mức sử dụng đáng kể cho mô hình này, với mức sử dụng được nhân đôi trong tuần đầu tiên. Chúng tôi cũng đã bổ sung các biện pháp bảo vệ mới phản ánh khả năng an ninh mạng của mô hình.

Một nền tảng vững chắc

Grok 4.5 là mô hình mixture-of-experts (hỗn hợp chuyên gia) mà chúng tôi đã cùng huấn luyện với SpaceXAI.

Quá trình huấn luyện bao gồm hàng nghìn tỷ token dữ liệu từ Cursor, ghi lại phạm vi tương tác rộng rãi của người dùng với các codebase và công cụ phần mềm. Tập dữ liệu này cho phép mô hình học hỏi từ cả phần mềm hiện có lẫn các tương tác giữa nhà phát triển và tác nhân (agent), nắm bắt cách các nhà phát triển làm việc và cách các tác nhân tương tác với môi trường của chúng.

Trong khi chúng tôi huấn luyện mô hình trước đó là Composer 2.5 để trở thành một chuyên gia lập trình, thì với Grok 4.5, chúng tôi chủ động giữ cho sự kết hợp dữ liệu huấn luyện rộng hơn. Điều này bao gồm việc tận dụng các tác vụ STEM chất lượng cao, các bài báo nghiên cứu và các công việc tri thức khác, giúp mô hình đạt được sự thành thạo trên nhiều lĩnh vực.

Học tăng cường trên các bài toán khó

Chúng tôi đã sử dụng học tăng cường (reinforcement learning) trên các bài toán khó trong môi trường thực tế, bao gồm cả kỹ thuật phần mềm và các công việc tri thức rộng hơn. Những môi trường này dạy mô hình cách điều tra vấn đề, sử dụng công cụ, phục hồi sau sai lầm và xác minh kết quả.

Nhiều bài toán trong số này được thiết kế đủ khó để ngay cả các mô hình tiên tiến nhất cũng thất bại. Khi các mô hình cải thiện, các tác vụ hiện tại không còn mang lại kiến thức mới, và những vấn đề từng đòi hỏi khả năng suy luận chuyên sâu dần trở thành công việc thường nhật.

Chúng tôi đã phát triển một hệ thống tác nhân phân tán để xây dựng các môi trường này ở quy mô lớn. Các kỹ sư chỉ định một vấn đề và cách xác minh giải pháp, sau đó các nhóm tác nhân lớn sẽ xây dựng, kiểm thử và tinh chỉnh từng môi trường. Một số môi trường nếu làm thủ công sẽ tiêu tốn hàng tháng trời của hàng trăm kỹ sư. Đây là một trong những cách chúng tôi sử dụng mô hình trước đó để đẩy nhanh tiến độ cho mô hình tiếp theo.

Bắt đầu với Grok 4.5

Grok 4.5 hiện đã có sẵn trên Cursor trên các nền tảng desktop, web, iOS, CLI và SDK của chúng tôi.

Các gói cá nhân và nhóm bao gồm hạn mức sử dụng đáng kể cho mô hình này như một phần trong nhóm mô hình chính chủ của chúng tôi, và chúng tôi đang nhân đôi hạn mức sử dụng trong tuần đầu tiên. Mô hình cơ sở có giá 2 USD/1 triệu token đầu vào và 6 USD/1 triệu token đầu ra. Ngoài ra còn có một biến thể tốc độ cao với giá 4 USD/1 triệu token đầu vào và 18 USD/1 triệu token đầu ra.

Grok 4.5 và Composer 2.5 là hai lớp trọng số mô hình khác nhau, và chúng tôi rất hào hứng khi hỗ trợ cả hai kích thước và trọng số này. Composer 2.5 sẽ vẫn tiếp tục được cung cấp và chúng tôi sẽ phát hành các mô hình mới với kích thước này trong tương lai.

SWE-Bench Pro và Terminal-Bench hiển thị các điểm số tự báo cáo cho các mô hình của bên thứ ba. Đối với SWE-Bench đa ngôn ngữ, điểm số của GPT 5.5 đến từ quá trình chạy thử nghiệm nội bộ của chúng tôi.

Grok 4.5 có lợi thế trên CursorBench vì một bản snapshot cũ của codebase Cursor đã vô tình được đưa vào quá trình huấn luyện. Tác động chính xác vẫn chưa rõ ràng. Dữ liệu đó đã bị loại bỏ đối với các mô hình tương lai, và song song đó, chúng tôi đang thực hiện một bản cập nhật lớn hơn cho CursorBench, do đó nó bị loại trừ ở đây.