編輯：元宇 桃子

Grok首個編碼模型終于來了！從0構建，編程實力超強，直接沖進SWE-bench前五，僅次于OpenAI Codex-1。背后核心團隊同時被爆出，華人學者占多半。

馬斯克畫的餅，終于兌現了！

一大早，xAI正式上線首個編碼模型——Grok Code Fast 1，一款兼具速度、高性價比的推理模型。

經過微調，Grok Code在編碼性能上表現非常驚艷。

在SWE-bench Verified基準測試中，Grok Code拿下70.8%高分，僅次于Codex-1、Claude 4 Opus。

在編碼LiveCode Bench中，它拿下了62%高分；數學IOI得分4.3%。

可以說，Grok Code編程實打實的強，有開發者測試，僅用幾次提示直出一個網頁。

甚至，有人僅用一天時間，就打造出了戰斗模擬器游戲原型，編碼速度極快。

值得一提的是，Grok Code是所有編碼模型中，成本最低的那個。

輸入價格：0.20美元/百萬token；輸出價格：1.5美元/百萬token；緩存輸入：0.02美元/百萬token。

目前，Grok Code已在Cursor、Windsurf等各大編碼平臺上線，限時免費使用7天。

Grok編程沖進前五，狂飚速

xAI從零打造的Grok Code Fast 1，專門面向更輕盈、更敏捷的編程場景，主打一個「快速響應」。

就看它直出代碼的速度，就知道有多快了。

而且，網友實測Grok Code要比GPT-5速度快五倍。

能做到如此神速，一定離不開Grok Code背后技術架構的創新。

為此，他們設計了一款全新的模型架構，在訓練階段，精心構建了一個高度聚焦于編程領域的語料庫。

在后訓練階段，他們還篩選了高質量的數據集，涵蓋真實世界中的Pull Request和實際編碼任務。

最關鍵的是，xAI在推理、訓練流程中做了一系列創新，直接拉滿運行速度，讓體驗原地起飛。

你可能連CoT的第一段文字都還沒讀完，Grok Code已經在后臺狂調數十個工具了。

此外，xAI還針對提示詞做了緩存優化，在協作編程時，緩存命中率穩定超過 90%。

在軟件工程的基準測試中，Grok Code一舉拿下了 70.8%的高分。

在ToyBench上，Grok Code位居第五，僅次于 GPT-5、Claude Opus 4、Gemini 2.5 Pro和DeepSeek Reasoner。

與此同時，在打造Grok Code的過程中，xAI還通過真實用戶的評價不斷優化模型，讓其更貼合日常開發場景。

全能程序員，改bug直出網頁

Grok Code Fast 1具備出色的全棧開發能力，尤其擅長Typescript、Python、Java、Rust、C++和Go。

無論是從零構建項目、深入回答代碼庫問題，還是精確修復復雜bug，都可輕松應對，而且只需最少的監督。

有開發者用Grok Code開發了一款網頁應用，它能快速生成設計草圖。

測試中，性能從最佳時的60-80 tps，提升到了220-250 tps。

網友認為，Grok Code的一次性輸出的代碼量最豐富，在如下星艦模擬演示中，效果著實令人驚艷。

Grok Code Fast 1在遵循指令方面，表現非常出色。

Shubham Saboo認為它的性能可以媲美Claude Sonnet 4和GPT-5 ，但價格幾乎低10倍。

更震撼的是，有人直接給出一句話，就用Grok Code和Cursor中cursor rules，瞬間搞定了整個后端。

華人團隊占多半，清北校友在列

或許你還不知道，在xAI打造Grok Code模型的員工，這次還有一個特殊福利——

去SpaceX星艦基地，去看現場發射。

xAI華人研究員駱梁宸，曬出了自己在星艦基地的大片。

話又說回來，這次Grok Code能夠順利誕生，是xAI全團隊的努力數月的結晶。

另一位研究員Mohit Reddy透露，幾個月前，這個項目還僅有兩人，如今已經發展成為人才濟濟的小團隊。

他特別點出了一些重點參與Grok Code的研究人員，其中華人學者占了半壁江山。

Liangchen Luo（駱梁宸）

駱梁宸在xAI公司從事機器思維與學習算法的研發工作。主導創建了Grok Code項目并從0搭建其完整體系，同時作為核心研發人員，參與了Grok 3 Think、Grok 4兩大系統的開發建設。

他本科就讀于北京大學地球與空間科學學院。

Zihang Dai（戴子航）

前谷歌大腦研究員，畢業于清華和CMU。此前，他還在百度美國分公司和蒙特利爾大學的MILA進行過研究實習。

Ziniu Hu

Ziniu Hu目前在xAI專注于強化大語言模型，包括Grok Code Fast 1、Grok 3-mini推理API、Grok 3及Grok 2等研究。

他本科畢業于北大計算機系，在UCLA獲得了計算機科學博士學位，并在加州理工學院CMS實驗室完成博士后研究。

Yongchao Zhou

Yongchao Zhou就職于xAI，在多倫多大學分別獲得了機器學習學士學位和計算機博士學位。

Jiayi Pan（潘家怡）

潘家怡從伯克利人工智能研究中心的博士研究中休假后，加入了xAI，參與了Grok 4研發。

Evan Wang

Evan Wang在xAI任后訓練團隊技術研究員，曾獲得了加州理工學院計算機科學學士學位，和馬里蘭大學學士學位。

Honghua Zhang（張宏華）

張宏華在xAI參與模型后訓練研究，本科畢業于UCLA，獲得計算機科學與數學雙學位。

同時，他亦獲得了UCLA計算機科學系的博士學位。

Eric Jiang

Rui Hou

Rui Hou在xAI專注于推理與智能體方向研究，曾獲得同濟大學學士學位，密歇根大學碩士和博士學位。

可以看到，特別感謝11人中，9人都是華人學者，規模壯觀。

提示工程指南

對于開發者來說，grok-code-fast-1是一款輕量級的智能體模型，為了幫助程序員高效地完成日常編碼任務，xAI總結了一些提示詞編寫指南。

提供必要的上下文

大多數編程工具會自動獲取上下文信息，但很多時候，我們需要主動選擇自己希望用作上下文的具體代碼會更高效。

因此，為讓grok-code-fast-1聚焦目標任務，建議明確提供相關的文件路徑、項目結構或依賴信息。

? 不推薦的無上下文提示詞：

=改進錯誤處理邏輯

? 推薦的帶上下文提示詞：

我的錯誤碼都定義在@errors.ts文件中，你可以參考它，在我寫SQL查詢的@sql.ts文件中補充合適的錯誤處理和錯誤碼嗎？

明確你的目標和需求

清楚地說明你希望grok-code-fast-1實現什么目標、解決什么問題，越具體，效果越好。模糊不清的提示詞，往往會導致結果不理想。

? 模糊提示詞例子：

創建一個食物追蹤器

? 詳細提示詞例子：

創建一個食物追蹤器，能顯示每天的卡路里攝入量，按不同營養成分分類；我輸入食物后，需要能看到總覽視圖，也能分析攝入趨勢。

持續優化你的提示詞

grok-code-fast-1對速度比主流模型快4倍，成本只有1/10，這意味著你可以以前所未有的速度測試各種復雜想法。

即便你的第一次輸出不夠理想，也可以嘗試加入更多上下文，或者根據失敗的結果做微調。

? 優化后提示詞例子：

上一版沒考慮IO密集型進程會阻塞主線程，我們應該用線程循環方式跑它，而不是簡單用async庫版本。

總體而言，grok-code-fast-1用于智能體式任務，也就是模型需要結合上下文、調用工具、完成多步操作的場景。

而Grok 4更適合用來解決一次性問答或復雜的概念解析。

Grok 4發布會上，馬斯克預告未來三個月的路線圖，如今終于趕在8月底前兌現了第一個。

接下來，就坐等9月多模態智能體、10月視頻生成模型的上線了。