Terkubur dalam materi peluncuran Grok 4.5 adalah sebuah kalimat dengan signifikansi jangka panjang yang lebih besar daripada tolok ukur mana pun: model tersebut “dilatih bersama Cursor.” Menurut unggahan Cursor sendiri, editor tersebut menyumbangkan triliunan token data yang menangkap “interaksi pengguna dengan basis kode dan alat perangkat lunak.”
Jika Anda menggunakan Cursor, beberapa versi sesi pengembang seperti milik Anda membantu melatih model ini. Artikel ini memisahkan apa yang telah dikonfirmasi dari apa yang belum, menjelaskan mengapa strategi data ini menghasilkan kekuatan khas model tersebut, dan mencakup apa yang perlu diperiksa di pengaturan Anda sendiri. Tidak perlu panik, tidak perlu mengabaikan; fakta-fakta ini cukup menarik dengan sendirinya.
tombol
Apa yang Dikatakan Kedua Perusahaan
Pernyataan yang dikonfirmasi, dari materi peluncuran:
- Grok 4.5 “dilatih bersama Cursor” dan “bersama-sama dengan SpaceXAI,” menurut Cursor.
- Data pelatihan menangkap “interaksi pengguna dengan basis kode dan alat perangkat lunak,” memungkinkan model belajar dari “perangkat lunak yang ada serta interaksi pengembang-agen.”
- Pelaporan seputar peluncuran, termasuk liputan TechCrunch, menggambarkan data yang diserap termasuk jejak debug, perbedaan multi-file, dan koreksi pengguna terhadap keluaran agen.
Konteks korporat: SpaceX setuju untuk mengakuisisi Cursor pada Juni 2026 dalam kesepakatan senilai $60 miliar, menggabungkan editor tersebut ke dalam keluarga yang sama dengan xAI. Alur data adalah produk dari konsolidasi tersebut. Sebelas hari setelah Grok 4.5 memasuki beta pribadi di SpaceX dan Tesla, Grok 4.5 diluncurkan secara publik dengan Cursor sebagai permukaan peluncuran.
Mengapa Data Ini Berbeda, dan Mengapa Berhasil
Kebanyakan model kode dilatih menggunakan korpus statis: repositori, dokumentasi, utas tanya jawab. Itu mengajarkan seperti apa kode yang sudah jadi. Itu tidak mengajarkan proses untuk mencapainya.
Data sesi Cursor adalah data proses. Ini berisi urutan: apa yang ditanyakan pengembang, apa yang dicoba agen, editan mana yang dikembalikan, apa yang diubah manusia setelahnya, tes mana yang dijalankan, seperti apa perbaikan dari perbaikan tersebut. Koreksi pengguna adalah contoh berlabel dari “output yang masuk akal tetapi salah dalam praktik,” yang merupakan sinyal pelatihan paling berharga yang bisa didapatkan oleh model pengkodean agen.
Hasilnya terlihat dalam profil model yang dipublikasikan. Grok 4.5 memenangkan tolok ukur terminal dan alur kerja (Terminal Bench 2.1: 83.3%, unggul dari Opus 4.8) dan mencatatkan angka efisiensi token yang tidak biasa: rata-rata 15.954 token keluaran per tugas SWE Bench Pro, sekitar 4.2x lebih sedikit daripada Opus 4.8 (maksimal). Model belajar verbositas dari data mereka; model yang dilatih berdasarkan sesi nyata, di mana pengembang menghargai perbaikan yang berfungsi paling singkat, kemungkinan besar belajar untuk berhenti 'berbicara' lebih cepat. Angka lengkapnya ada di rincian tolok ukur kami.
Pertanyaan yang Membutuhkan Jawaban Langsung
Utas Hacker News tentang peluncuran tersebut memunculkan pertanyaan yang paling banyak dimiliki pengguna Cursor. Berikut adalah apa yang bisa diketahui hari ini:
Apakah data saya disertakan? Tidak dapat dijawab dari luar. “Triliunan token” data interaksi menyiratkan pengumpulan yang luas, tetapi tidak ada perusahaan yang mempublikasikan kohort pengguna, rentang waktu, atau status persetujuan mana yang menjadi masukan bagi alur kerja tersebut.
Bagaimana dengan Mode Privasi? Cursor telah lama menawarkan pengaturan privasi yang kebijakan yang dinyatakan adalah bahwa kode dari sesi tersebut tidak disimpan atau digunakan untuk pelatihan. Tidak ada postingan peluncuran yang menyatakan apakah korpus Grok 4.5 mendahului, menghormati, atau mendefinisikan ulang batasan-batasan tersebut. Kata-kata yang tepat dari kebijakan privasi Cursor dan perjanjian data paket Anda adalah yang mengatur, dan ada baiknya membaca sekarang daripada berasumsi; kebijakan di perusahaan yang diakuisisi akan ditulis ulang.
Apakah ini melanggar aturan? Ketentuan Cursor telah mengizinkan penggunaan data non-mode privasi untuk peningkatan produk. Melatih model unggulan di perusahaan afiliasi dapat diartikan persis seperti itu, dalam skala yang belum pernah terjadi sebelumnya. Perusahaan dengan perjanjian pemrosesan data harus meminta penasihat hukum mereka memetakan “peningkatan produk” terhadap “melatih model dasar komersial” daripada menerima kerangka kerja dari salah satu perusahaan.
Apakah kode saya ada di dalam model? Pengeluaran data pelatihan secara verbatim jarang terjadi pada model modern yang dibangun dengan baik, tetapi bukan tidak mungkin. Tidak ada audit memorisasi publik untuk Grok 4.5.
Apa yang Harus Dilakukan, Secara Praktis
Untuk pengembang individu:
- Periksa pengaturan privasi Cursor Anda hari ini. Jika Anda mengerjakan sesuatu yang sensitif dan mode privasi nonaktif, itu adalah tindakan yang harus Anda lakukan, terlepas dari apa pun yang berkaitan dengan Grok.
- Baca ketentuan data saat ini, bukan ingatan Anda tentangnya. Akuisisi ini menjadikan bulan ini waktu yang tepat untuk membaca ulang.
Untuk tim:
- Admin harus mengaudit pengaturan data tingkat ruang kerja. Paket tim memusatkan ini; satu tombol mencakup semua orang.
- Pisahkan kekhawatiran dengan benar. Telemetri editor adalah satu permukaan paparan; apa yang Anda kirim ke API model pada waktu inferensi adalah yang lain. Panggilan inferensi diatur oleh ketentuan penggunaan data API, bukan riwayat korpus pelatihan.
- Jauhkan rahasia dari kedua permukaan. Kunci API, token, dan kredensial tidak seharusnya berada dalam prompt atau kode yang dikirim ke alat AI mana pun. Jika Anda menguji endpoint model, simpan kunci sebagai variabel lingkungan di Apidog daripada menempelkannya ke sesi editor atau koleksi bersama; rahasia Anda tetap berada di brankas yang dirancang untuknya, dan permintaan tim Anda mereferensikan variabel tersebut, bukan nilainya. Unduh Apidog gratis untuk menyiapkan brankas bersama untuk kunci model tim Anda.
Tidak ada hal ini yang mengharuskan meninggalkan alat tersebut. Ini membutuhkan pengetahuan tentang sakelar apa yang ada dan mengaturnya dengan sengaja.
Presedennya Lebih Penting Daripada Peluncuran Ini
Grok 4.5 adalah model terdepan pertama yang secara terbuka dilatih berdasarkan sesi pengguna editor komersial. Ini tidak akan menjadi yang terakhir. Setiap vendor editor AI kini memiliki bukti bahwa data sesi menghasilkan kemampuan yang berbeda, dan setiap akuisisi perusahaan alat pengembang kini memiliki subteks aset data. GitHub, Google, dan Amazon semuanya memiliki korpus interaksi yang analog.
Para pengembang secara efektif telah menjadi pelabel data tanpa bayaran untuk pengkodean agen, dengan dokumen persyaratan layanan sebagai kontrak kerja. Itu tidak secara inheren jahat; begitulah cara alat-alat tersebut meningkat, dan kualitas Grok 4.5 sebagian berasal dari koreksi yang terkumpul dari komunitas Anda. Namun, hal ini menjadikan membaca pengaturan privasi sebagai keterampilan profesional daripada paranoia.
Untuk model yang dihasilkan oleh sesi-sesi ini, lihat apa itu Grok 4.5, bagaimana perbandingannya dengan Opus 4.8, dan cara menjalankannya di dalam Cursor, dengan penggunaan ganda dan segalanya.
FAQ
Apakah xAI melatih Grok 4.5 menggunakan data pengguna Cursor? Ya, berdasarkan deskripsi kedua perusahaan: Cursor menyumbangkan triliunan token data interaksi pengembang, termasuk sesi agen dan koreksi pengguna.
Apakah mode privasi Cursor melindungi kode saya dari pelatihan? Itulah tujuan yang dinyatakan. Apakah dan bagaimana hal itu diterapkan pada korpus Grok 4.5 belum dijelaskan secara publik; periksa teks kebijakan saat ini dan ketentuan paket Anda.
Bisakah saya menggunakan Grok 4.5 tanpa menyumbangkan data pelatihan di masa mendatang? Kontrol berada di pengaturan privasi Cursor dan ketentuan data API xAI. Tinjau keduanya; penggunaan khusus API melalui konsol xAI diatur secara terpisah dari telemetri editor.
Mengapa pelatihan berdasarkan sesi membuat model lebih baik dalam pengkodean? Data sesi mengajarkan proses: apa yang gagal, apa yang dikoreksi manusia, dan seperti apa perbaikan yang berfungsi paling singkat. Kode statis hanya mengajarkan keadaan akhir.