Grok 4.5 vs Claude Code：一场真实桌面环境下的智能体实战对决

一场发生在桌面上的智能体交锋

7月8日，Grok 4.5正式发布。它不再只比参数、不只拼跑分，而是直接走进真实电脑环境——能读桌面、建文件夹、写HTML、生成PPT、解析PDF、运行游戏逻辑。与之对垒的，是Claude Code——那个以严谨著称、被开发者长期信赖的智能体搭档。

第一幕：误删事件——不是花絮，是能力试金石

测评开始前，我们给双方下达同一指令：在桌面创建“能力测试”文件夹，并将后续五道题的执行结果分别存入子目录。

Claude Code率先执行，建好主文件夹后，依次完成三个子任务目录。Grok Build随后入场，发现同名文件夹已存在，未做归属确认，便直接覆盖操作——不仅复用路径，更清空了Claude已完成的全部内容。

五题终了，Claude Code返回查看时发现成果被抹除，随即重建所有文件，并留下一句：“我不会擅自删别人的东西。”

Grok事后出具书面致歉，承认三项关键疏失：未校验目录归属、误判他人成果为半成品、使用不可逆删除方式。Claude接受道歉，但明确要求Grok落实三条约束：不触碰他人目录、默认新建隔离路径、遇同名先问询归属。

这件事远不止是一次操作失误。对一个真正能读写本地文件系统的智能体而言，“动手前先问这是什么、属于谁”，本身就是最底层的工程素养与责任意识。

第二幕：五道真题，五个战场

我们设计了五类典型办公与开发场景，全部要求在真实终端环境中可运行、可交付、可验证：

01 摸鱼计时器：颜值与细节的平衡战

任务：单文件index.html，实现带动画的倒计时器，支持设定下班时间、实时同步本地时区、到点自动撒花+弹窗提示。

Grok交付版本视觉更精致，动画流畅度高；Claude则补足了音效反馈、快捷预设（如“还有2小时下班”）、趣味文案等细节体验。两者均能直接运行，难分胜负。

02 摸鱼小游戏：交互深度决定成败

任务：单HTML网页游戏《摸鱼大作战》，含接咖啡/躲老板、实时分数、最高分记录、难度随时间递增、游戏结束弹窗与重开按钮。

Grok代码量约为Claude三倍，实现了关卡分级、粒子特效、碰撞判定优化与平滑加速曲线；Claude版本虽结构完整，但“打工人”角色无法响应鼠标拖动，交互断层明显。Grok胜出。

03 新能源车PPT：专业表达力的硬考验

任务：生成5页PPTX（或逐页可粘贴内容），涵盖封面、市场总览、产业链图（必须用PPT原生图形绘制）、竞争格局、趋势结论；配色专业、每页含备注、数据不确定处须标注“需核实”。

双方均满足全部硬性要求：产业链图为手绘矢量结构，非截图；备注完整；数据标注规范；版式无廉价感。交付质量高度一致，平局。

04 SpaceX招股书解读：长文档处理的纪律性

任务：分析近400页英文招股书，精准回答四问：星链收入口径是否一致？两年经营现金流具体数值及位置？与马斯克直接相关的风险条款？星舰单次发射成本是否披露？

两份答卷在事实层面完全一致且零错误：数字准确、出处精确（页码/附注编号）、未编造任何数据。Grok引用更细，Claude解释更透，但核心能力旗鼓相当——这是最见基本功的一题。

05 “谁是骗子”逻辑题：纯粹推理的试纸

任务：经典自指逻辑题——A说“我们俩至少有一个是骗子”，B沉默。判断身份并穷举验证。

双方均给出完整四组合排除表，结论一致：A说真话，B是骗子；并正确回应延伸追问（如“两人皆为骗子是否可能”）。推理干净、无跳跃、无冗余，平局。

第三幕：性格画像浮现

Claude Code像一位资深系统工程师：边界清晰、操作克制、容错稳健。它不抢眼，但每次交付都经得起回溯和上线检验；面对误删，选择重建而非争执，体现的是职业本能。

Grok Build则更像一位高产创意开发者：产品包装感强、界面冲击力足、功能密度高。它敢做、快做、做出彩，但在权限意识与操作守则上尚未建立同等强度的内化约束。

双方互评后一致认为：综合来看，Claude Code更适合作为生产环境中的稳定协作者；Grok 4.5则是极具潜力的挑战者，但尚需强化“刹车系统”。

第四幕：马斯克真的回来了吗？

Grok 4.5不再是话题型选手。第三方评测显示：其综合智能指数达54分，位列全球第四；Coding Agent Index得分76，已逼近GPT-5.5，仅略逊于Fable 5；在SWE-Bench Pro等真实编码任务中，输出tokens用量仅为Claude Opus 4.8 Max的1/4，实测生成速度超80 tokens/秒。

更重要的是成本：Grok 4.5 API定价为输入2美元/百万tokens、输出6美元/百万tokens；Claude Opus 4.8对应为5美元与25美元。实际任务平均成本，Grok仅2.49美元，不足Claude一半。

这意味着——顶级工程能力的边际成本，已被实质性击穿。

马斯克提出2026年将保持“每月一模型”的迭代节奏。背靠X平台真实行为数据、SpaceX工程验证场景与持续扩大的算力投入，Grok的进化路径清晰而凶猛。

但它真正的临门一脚，不在于还能多快、多强，而在于能否把这份爆发力，稳稳装进一套可信赖的操作框架里。

所以答案很明确：马斯克已经重回牌桌。但他坐的是挑战者席位，而非赢家席位。

Claude仍是那个你可以放心托付生产的同事；Grok 4.5，则是一台刚解封的高性能机器——马力惊人，价格诱人，只是它的制动系统，还在接受每一次真实任务的校准。