2026 年 7 月 8 日晚，SpaceXAI 发布了 Grok 4.5。这是它上市后的第一款模型，也是与 Cursor 合并后的首款联合产品。马斯克在 X 上高调称其为“Opus 级模型，但更快、更省 Token、更便宜”。媒体措辞接力转发：Axios 称其为“迄今为止最聪明的模型”，TechCrunch 写下“Opus 级”。
但就在同一条时间线上，宾夕法尼亚大学沃顿商学院教授 Ethan Mollick 在 X 上发出了另一种声音：
既然我今晚在戳每一个模型厂商的小（但重要的）毛病，再来一个：Grok 4.5 没有模型卡。试图在前沿竞争的公司，应该发布模型卡和测试结果，而不仅仅是 Benchmark！
Mollick 的这条帖子在数小时内获得了超过 7,200 次浏览。它揭开了 Grok 4.5 发布背后一个不太体面的事实。SpaceXAI 给这场精心策划的新品首秀，配上了定价、对比图表、性能声明，唯独缺了 AI 行业最基本的一份透明作业。
模型卡不是什么新东西，它已经是一种行业标准
模型卡（Model Card）的概念并非新生事物。2019 年，Google Research 的 Margaret Mitchell 团队在论文《Model Cards for Model Reporting》中正式提出这一框架。每一款机器学习模型在发布时，都应附带一份标准化的简短文档，写明它的预期用途、训练数据、评估方法、跨群体性能差异、已知局限和安全考量。灵感来源很朴素：你买的每一台微波炉都附有一张规格说明卡，告诉你多少瓦、用什么材料、不能在浴缸里使用。一个辅助医生诊断癌症的 AI 系统，凭什么连这张卡都没有？
七年后，模型卡已经从学术提案演变为行业规范和监管准绳。EU AI Act 已将模型文档列为合规义务。美国商务部新成立的 AI 标准与创新中心正在制定类似的披露标准。在 AI 治理从“自愿原则”走向“监管落地”的 2026 年，有没有模型卡，早已不是“负不负责”的问题，而是“合不合法”的问题。
同行在做什么
把 Grok 4.5 的发布和它的主要竞争对手放在一起看，差距一目了然。
Anthropic 是所有前沿 AI 公司中模型发布透明度最高的。打开 anthropic.com/system-cards，你会看到一条令人印象深刻的记录：从 2023 年 7 月的 Claude 2，到 2024 年 3 月的 Claude 3，再到 2025 年 5 月的 Claude Sonnet 4 和 Opus 4，2025 年 11 月的 Opus 4.5，2026 年 4 月的 Mythos Preview，到 2026 年 5 月的 Opus 4.8。每一款模型都配有一份详尽的系统卡。这些卡片披露了评估协议、对抗性测试结果、偏见分析、幻觉率、红队测试发现。Mythos 系统卡甚至涵盖了对“欺骗性推理”和“机器神经症”的研究。Anthropic 把系统卡视为模型发布的标准动作，而不是可选的营销材料。
Google DeepMind 同样为自己的每一个 Gemini 模型发布了模型卡，从 Gemini 2.0 Flash 到 Gemini 3 Pro 再到最近更新的 Gemini 3.5 Flash。DeepMind 维护了一个专门的模型卡中心页面，以标准化的格式列出每款模型的信息、已知局限、缓解措施和安全性能评估。最新的 Gemini 3 Pro 模型卡明确写道：“模型卡可能会不时更新，例如，随着模型的改进或修订，纳入更新的评估指标。”
OpenAI 虽然被诟病透明度不如 Anthropic，但至少也为 GPT-4o 和 GPT-4.5 等关键发布提供了系统卡。GPT-4o 系统卡包含了详尽的 Preparedness 评估、社会影响分析和风险评分卡。
而 SpaceXAI 发布了 Grok 4.5。它迄今“最智能的模型”，定价 2 美元输入、6 美元输出每百万 Token。然后附上了一张 Benchmark 对比图。没有模型卡。没有评估方法说明。没有安全测试结果。没有已知局限列表。没有偏见分析。
为什么模型卡如此重要，特别是对 Grok 4.5
理解 Grok 4.5 问题的关键，在于认清模型卡不是可选的“加分项”，而是前沿 AI 发布的必备基础设施。
模型卡回答的是 Benchmark 无法回答的两个根本问题。第一，这个模型在什么条件下表现良好，在什么条件下表现糟糕？第二，它的安全性如何，在哪些场景下不应该被使用？
Grok 4.5 被定位为编码和智能体工具，一个需要高可靠性的应用场景。如果一款模型正在撰写法律合同、操作 Excel 表格、处理金融数据、构建 PowerPoint 演示文稿，用户凭什么信任它？Grok 4.5 声称自己擅长“智能体任务”，也就是可以由模型自主完成的任务。在自主性越高、用户控制越少的场景里，透明度要求反而应该越高，而不是越低。
更值得玩味的是定价策略。Grok 4.5 的定价为 2 美元每百万输入 Token 和 6 美元每百万输出 Token，而 Claude Opus 4.8 定价 5 美元和 25 美元，GPT-5.6 Luna 定价 1 美元和 6 美元。SpaceXAI 的核心卖点是一句话：输出 Token 价格仅为 Opus 4.8 的四分之一不到。但用户无法验证性能是否真的匹配，因为没有模型卡披露评估的具体方法、数据集的构成和局限。Benchmark 对比图可以说服一次点击，但无法支撑一次采购决策。当一家 B2B 客户考虑是否将 Grok 4.5 嵌入自己的生产管线时，没有模型卡的 Grok 4.5 就像一辆没有安全气囊的概念车。参数漂亮，但谁敢上路？
透明赤字正在成为监管红线
上下文很重要。就在 Grok 4.5 发布的前一天，特朗普政府刚放行 OpenAI 的 GPT-5.6 全面发布，经过联邦安全测试和长达一个月的限制性分阶段发布。Anthropic 的 Mythos 和 Fable 模型也曾被美国政府暂时禁止向境外人员开放。AI 治理已经不是“要不要做”的问题，而是“怎么做、谁来查”的问题。
2026 年 7 月初，HackerNoon 在一篇分析中这样描述：2026 年 6 月是 AI 治理变得可操作化的一个月。模型访问控制、基础设施容量分配、网络安全治理这三个维度正在同时收紧。SpaceXAI 自身也不能置身事外。它向竞争对手 Anthropic 和 Google 出租算力，Axios 报道称这笔租赁业务已产生约 260 亿美元的年化收入。而 SpaceXAI 自身的算力需求正在快速增长，已经面临“自己用还是租出去”的抉择。
Grok 4.5 目前不在欧盟提供。考虑到 EU AI Act 对前沿模型的文档和风险评估要求，这或许不是巧合。
Benchmark 不是透明的替代品，它恰恰是问题本身
Mollick 的批评里藏着一个更深层的洞察。当 AI 公司只发布 Benchmark 而不发布模型卡时，它们是在用一种“看似透明”来替代真正的透明。Benchmark 是模型厂商自己选择的考试。如果一款模型在 SWE-Bench 上得了高分，但它的训练数据可能包含了测试集的污染。如果它在 MMLU 上逼近人类，但在特定种族或性别群体上的表现骤降。模型卡才是能揭露这些问题的唯一工具。
2026 年的前沿 AI 竞争已经变成一场“数字战争”。谁的 Benchmark 排名更高，谁就能拿走更多的市场份额和开发者心智。但这种竞争模式的代价是系统性低估了透明度。当一家“试图靠近前沿”的公司选择只晒 Benchmark 而不晒模型卡时，它实际上在传达一个信息：我们更希望你在数字上做决策，而不是在信息完整度上做决策。
SpaceXAI 在 Grok 4.5 的发布中放了 Benchmark 对比图表，说它“超过 Opus 4.8”。但 Mollick 问了那个最根本的问题。怎么测的？测了什么？在什么条件下没测好？没人知道。
2026 年 7 月 8 日，SpaceXAI 向世界展示了 Grok 4.5。马斯克展示了它的速度、价格和 Benchmark。Ethan Mollick 则展示了它缺少的东西。
模型卡不是技术文档，是信任的契约。没有契约的发布，再低的定价也算不上诚意。
快报