编辑：元宇 桃子

Grok首个编码模型终于来了！从0构建，编程实力超强，直接冲进SWE-bench前五，仅次于OpenAI Codex-1。背后核心团队同时被爆出，华人学者占多半。

马斯克画的饼，终于兑现了！

一大早，xAI正式上线首个编码模型——Grok Code Fast 1，一款兼具速度、高性价比的推理模型。

经过微调，Grok Code在编码性能上表现非常惊艳。

在SWE-bench Verified基准测试中，Grok Code拿下70.8%高分，仅次于Codex-1、Claude 4 Opus。

在编码LiveCode Bench中，它拿下了62%高分；数学IOI得分4.3%。

可以说，Grok Code编程实打实的强，有开发者测试，仅用几次提示直出一个网页。

甚至，有人仅用一天时间，就打造出了战斗模拟器游戏原型，编码速度极快。

值得一提的是，Grok Code是所有编码模型中，成本最低的那个。

输入价格：0.20美元/百万token；输出价格：1.5美元/百万token；缓存输入：0.02美元/百万token。

目前，Grok Code已在Cursor、Windsurf等各大编码平台上线，限时免费使用7天。

Grok编程冲进前五，狂飚速

xAI从零打造的Grok Code Fast 1，专门面向更轻盈、更敏捷的编程场景，主打一个「快速响应」。

就看它直出代码的速度，就知道有多快了。

而且，网友实测Grok Code要比GPT-5速度快五倍。

能做到如此神速，一定离不开Grok Code背后技术架构的创新。

为此，他们设计了一款全新的模型架构，在训练阶段，精心构建了一个高度聚焦于编程领域的语料库。

在后训练阶段，他们还筛选了高质量的数据集，涵盖真实世界中的Pull Request和实际编码任务。

最关键的是，xAI在推理、训练流程中做了一系列创新，直接拉满运行速度，让体验原地起飞。

你可能连CoT的第一段文字都还没读完，Grok Code已经在后台狂调数十个工具了。

此外，xAI还针对提示词做了缓存优化，在协作编程时，缓存命中率稳定超过 90%。

在软件工程的基准测试中，Grok Code一举拿下了 70.8%的高分。

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

与此同时，在打造Grok Code的过程中，xAI还通过真实用户的评价不断优化模型，让其更贴合日常开发场景。

全能程序员，改bug直出网页

Grok Code Fast 1具备出色的全栈开发能力，尤其擅长Typescript、Python、Java、Rust、C++和Go。

无论是从零构建项目、深入回答代码库问题，还是精确修复复杂bug，都可轻松应对，而且只需最少的监督。

有开发者用Grok Code开发了一款网页应用，它能快速生成设计草图。

测试中，性能从最佳时的60-80 tps，提升到了220-250 tps。

网友认为，Grok Code的一次性输出的代码量最丰富，在如下星舰模拟演示中，效果着实令人惊艳。

Grok Code Fast 1在遵循指令方面，表现非常出色。

Shubham Saboo认为它的性能可以媲美Claude Sonnet 4和GPT-5 ，但价格几乎低10倍。

更震撼的是，有人直接给出一句话，就用Grok Code和Cursor中cursor rules，瞬间搞定了整个后端。

华人团队占多半，清北校友在列

或许你还不知道，在xAI打造Grok Code模型的员工，这次还有一个特殊福利——

去SpaceX星舰基地，去看现场发射。

xAI华人研究员骆梁宸，晒出了自己在星舰基地的大片。

话又说回来，这次Grok Code能够顺利诞生，是xAI全团队的努力数月的结晶。

另一位研究员Mohit Reddy透露，几个月前，这个项目还仅有两人，如今已经发展成为人才济济的小团队。

他特别点出了一些重点参与Grok Code的研究人员，其中华人学者占了半壁江山。

Liangchen Luo（骆梁宸）

骆梁宸在xAI公司从事机器思维与学习算法的研发工作。主导创建了Grok Code项目并从0搭建其完整体系，同时作为核心研发人员，参与了Grok 3 Think、Grok 4两大系统的开发建设。

他本科就读于北京大学地球与空间科学学院。

Zihang Dai（戴子航）

前谷歌大脑研究员，毕业于清华和CMU。此前，他还在百度美国分公司和蒙特利尔大学的MILA进行过研究实习。

Ziniu Hu

Ziniu Hu目前在xAI专注于强化大语言模型，包括Grok Code Fast 1、Grok 3-mini推理API、Grok 3及Grok 2等研究。

他本科毕业于北大计算机系，在UCLA获得了计算机科学博士学位，并在加州理工学院CMS实验室完成博士后研究。

Yongchao Zhou

Yongchao Zhou就职于xAI，在多伦多大学分别获得了机器学习学士学位和计算机博士学位。

Jiayi Pan（潘家怡）

潘家怡从伯克利人工智能研究中心的博士研究中休假后，加入了xAI，参与了Grok 4研发。

Evan Wang

Evan Wang在xAI任后训练团队技术研究员，曾获得了加州理工学院计算机科学学士学位，和马里兰大学学士学位。

Honghua Zhang（张宏华）

张宏华在xAI参与模型后训练研究，本科毕业于UCLA，获得计算机科学与数学双学位。

同时，他亦获得了UCLA计算机科学系的博士学位。

Eric Jiang

Rui Hou

Rui Hou在xAI专注于推理与智能体方向研究，曾获得同济大学学士学位，密歇根大学硕士和博士学位。

可以看到，特别感谢11人中，9人都是华人学者，规模壮观。

提示工程指南

对于开发者来说，grok-code-fast-1是一款轻量级的智能体模型，为了帮助程序员高效地完成日常编码任务，xAI总结了一些提示词编写指南。

提供必要的上下文

大多数编程工具会自动获取上下文信息，但很多时候，我们需要主动选择自己希望用作上下文的具体代码会更高效。

因此，为让grok-code-fast-1聚焦目标任务，建议明确提供相关的文件路径、项目结构或依赖信息。

❌ 不推荐的无上下文提示词：

=改进错误处理逻辑

✅ 推荐的带上下文提示词：

我的错误码都定义在@errors.ts文件中，你可以参考它，在我写SQL查询的@sql.ts文件中补充合适的错误处理和错误码吗？

明确你的目标和需求

清楚地说明你希望grok-code-fast-1实现什么目标、解决什么问题，越具体，效果越好。模糊不清的提示词，往往会导致结果不理想。

❌ 模糊提示词例子：

创建一个食物追踪器

✅ 详细提示词例子：

创建一个食物追踪器，能显示每天的卡路里摄入量，按不同营养成分分类；我输入食物后，需要能看到总览视图，也能分析摄入趋势。

持续优化你的提示词

grok-code-fast-1对速度比主流模型快4倍，成本只有1/10，这意味着你可以以前所未有的速度测试各种复杂想法。

即便你的第一次输出不够理想，也可以尝试加入更多上下文，或者根据失败的结果做微调。

✅ 优化后提示词例子：

上一版没考虑IO密集型进程会阻塞主线程，我们应该用线程循环方式跑它，而不是简单用async库版本。

总体而言，grok-code-fast-1用于智能体式任务，也就是模型需要结合上下文、调用工具、完成多步操作的场景。

而Grok 4更适合用来解决一次性问答或复杂的概念解析。

Grok 4发布会上，马斯克预告未来三个月的路线图，如今终于赶在8月底前兑现了第一个。

接下来，就坐等9月多模态智能体、10月视频生成模型的上线了。