馬斯克要求特斯拉員工改用Grok，但他自己也承認該模型不如競品

AI

埃隆·馬斯克在一份發(fā)給員工的內部備忘錄中，要求特斯拉員工改用Grok——這款AI模型來自他旗下的xAI公司（目前已并入SpaceX）。

這一指令的發(fā)出，距特斯拉限制員工使用第三方AI工具僅數(shù)日，而馬斯克本人也承認Grok的表現(xiàn)不及競爭對手。

據(jù)《The Information》最先披露的這份備忘錄顯示，馬斯克要求員工在"條件允許時"切換至Grok，理由是Grok 4.5相比競品擁有更低的Token成本。他還要求工程師直接發(fā)郵件向他反饋對該模型的使用意見。

就在這一指令發(fā)出前幾天，特斯拉剛剛為員工使用AI工具設置了每周200美元的支出上限，適用范圍涵蓋Anthropic、OpenAI和谷歌旗下的模型，但xAI的Grok被明確豁免在外。

特斯拉內部已對Grok的測試版本進行了數(shù)月測試，xAI產品負責人安德魯·米利奇也一直協(xié)助特斯拉員工排查問題。盡管如此，據(jù)四位知情人士透露，特斯拉工程師在日常開發(fā)工作中更傾向于使用Anthropic的Claude。

xAI于本周三聯(lián)合編程工具初創(chuàng)公司Cursor發(fā)布了Grok 4.5，而SpaceX正以600億美元估值收購Cursor。馬斯克將這款新模型定位為"Opus級別"。

然而，基準測試數(shù)據(jù)呈現(xiàn)出更為平淡的結果。在一項多領域綜合排行榜上，Grok 4.5以76.3分排名第9，落后于OpenAI（GPT-5.6 Sol、GPT-5.5、GPT-5.6 Terra、GPT-5.4）、Anthropic（Claude Fable 5、Claude 4.8 Opus、Claude 4.7 Opus）以及谷歌（Gemini 3.1 Pro）旗下的多款模型。其代碼能力得分僅為68.6，是榜單中所有模型中最低的。

這一劣勢在其他測試中同樣存在。在LiveBench評測中，Grok系列模型僅勉強進入頂級梯隊的末尾，與一些成本低得多的中國開源模型處于同一位置。在中立的DeepSWE 1.1代碼基準測試中，Grok 4.5的得分為53%，而Claude Fable 5達到了70%。

發(fā)布之初，Grok還暴露出一個基準測試問題。Cursor在一個腳注中披露，其早期版本的代碼庫被意外納入了Grok 4.5的訓練數(shù)據(jù)，而該代碼庫恰恰是其內部基準測試所針對的對象。這一指標已被排除在公開比較結果之外，相關數(shù)據(jù)也不會用于后續(xù)模型訓練，但此前已造成Grok某項代碼評分虛高。

馬斯克并未否認這一差距。他在X平臺上寫道："公平地說，F(xiàn)able確實比Grok 4.5更好，但大多數(shù)任務并不需要Fable級別的能力。"Grok 4.5的優(yōu)勢在于價格：在上述排行榜中，其每項任務的運行成本約為0.13美元，而Claude Fable 5為1.57美元。

有一點需要說清楚：特斯拉不是SpaceX，也不是xAI。特斯拉是一家擁有獨立股東和工程師團隊的上市公司。這些工程師不應該在工具支出被限制的同時，又僅僅因為CEO恰好持有某家AI公司而被迫轉向其性能更差的產品。這本質上是一種利益輸送，而那個將Grok單獨豁免在外的200美元上限，已經讓這一意圖昭然若揭。

當然，控制支出的出發(fā)點可以理解。AI編程工具的費用高昂，加以限制合情合理，Grok 4.5的確更便宜。但它之所以便宜，正是因為它性能更弱——這不是在批評，而是馬斯克自己描述的那種取舍。問題在于，他并沒有讓工程師自主權衡這種取舍，而是直接下令，因為當特斯拉工程師有自由選擇時，他們一再選擇了Claude。

如果成本真的是核心訴求，有一個比強制全員使用Grok更好的解決方案：自托管。當前開源權重模型已能實現(xiàn)與前沿模型90%至95%相當?shù)哪芰Γ杀緟s只是九牛一毛，DeepSeek-V4和GLM-5.2這類模型隨時可用。在自有硬件上部署，邊際成本只有電費和攤銷算力，無需向任何人按Token付費，更不用向你CEO旗下的另一家公司付費。這才是真正解決支出問題的方法。而要求工程師使用老板那款表現(xiàn)平平的模型，不過是把錢從一個口袋換到另一個口袋。

Q&A

Q1：馬斯克為什么要求特斯拉員工改用Grok？

A：據(jù)內部備忘錄，馬斯克要求員工在"條件允許時"切換至Grok 4.5，主要理由是其Token成本低于競品。與此同時，特斯拉為員工使用Anthropic、OpenAI和谷歌AI工具設置了每周200美元的支出上限，但Grok被豁免在外。批評者認為，這一安排本質上是利益輸送，因為馬斯克本人就擁有xAI。

Q2：Grok 4.5和Claude相比，性能差距有多大？

A：在多項基準測試中，Grok 4.5的表現(xiàn)明顯落后于Claude。在DeepSWE 1.1代碼基準測試中，Grok 4.5得分為53%，而Claude Fable 5達到70%。在綜合排行榜上，Grok 4.5排名第9，代碼得分在榜單中墊底。馬斯克本人也承認"Fable確實比Grok 4.5更好"。Grok的主要優(yōu)勢在于價格，每項任務約0.13美元，而Claude Fable 5約為1.57美元。

Q3：特斯拉工程師實際更傾向于使用哪款AI工具？

A：據(jù)四位知情人士透露，盡管特斯拉已對Grok進行了數(shù)月內部測試，工程師在日常開發(fā)工作中仍普遍更傾向于使用Anthropic的Claude。即便xAI產品負責人專程協(xié)助排查問題，這一偏好也未發(fā)生改變。