Ẩn sâu trong tài liệu ra mắt Grok 4.5 là một câu có ý nghĩa lâu dài hơn bất kỳ điểm chuẩn nào: mô hình này “được huấn luyện cùng với Cursor.” Theo bài đăng của Cursor, trình soạn thảo này đã đóng góp hàng nghìn tỷ token dữ liệu ghi lại “tương tác của người dùng với cơ sở mã và công cụ phần mềm.”
Nếu bạn sử dụng Cursor, một số phiên làm việc của nhà phát triển như của bạn đã giúp đào tạo mô hình này. Bài viết này sẽ phân tách những gì đã được xác nhận khỏi những gì chưa, giải thích lý do chiến lược dữ liệu này tạo ra những điểm mạnh đặc trưng của mô hình, và trình bày những gì cần kiểm tra trong cài đặt của bạn. Không hoảng loạn, không bác bỏ; các sự thật đã đủ thú vị rồi.
Những gì hai công ty đã nói
Các tuyên bố đã được xác nhận, từ tài liệu ra mắt:
- Grok 4.5 “được huấn luyện cùng với Cursor” và “cùng với SpaceXAI,” theo Cursor.
- Dữ liệu huấn luyện đã ghi lại “tương tác của người dùng với cơ sở mã và công cụ phần mềm,” cho phép mô hình học hỏi từ “phần mềm hiện có cũng như tương tác giữa nhà phát triển và tác nhân (agent).”
- Các báo cáo xung quanh buổi ra mắt, bao gồm bài viết của TechCrunch, mô tả dữ liệu được nạp vào bao gồm dấu vết gỡ lỗi, các bản diff đa tệp và chỉnh sửa của người dùng đối với đầu ra của tác nhân.
Bối cảnh doanh nghiệp: SpaceX đã đồng ý mua lại Cursor vào tháng 6 năm 2026 trong một thỏa thuận được báo cáo là 60 tỷ USD, sáp nhập trình soạn thảo này vào cùng tập đoàn với xAI. Đường ống dữ liệu là sản phẩm của sự hợp nhất đó. Mười một ngày sau khi Grok 4.5 đi vào thử nghiệm beta riêng tư tại SpaceX và Tesla, nó đã được phát hành công khai với Cursor như một nền tảng ra mắt.
Tại sao dữ liệu này khác biệt, và tại sao nó hiệu quả
Hầu hết các mô hình mã hóa đều được đào tạo trên các tập dữ liệu tĩnh: kho lưu trữ, tài liệu, luồng hỏi đáp. Điều đó dạy cho chúng biết mã hoàn chỉnh trông như thế nào. Nó không dạy quá trình để đạt được điều đó.
Dữ liệu phiên làm việc của Cursor là dữ liệu quy trình. Nó chứa chuỗi các sự kiện: nhà phát triển đã hỏi gì, tác nhân đã thử gì, chỉnh sửa nào đã bị hoàn nguyên, người dùng đã thay đổi gì sau đó, những bài kiểm tra nào đã chạy, và bản sửa lỗi cho lỗi đã được sửa trông như thế nào. Một chỉnh sửa của người dùng là một ví dụ được gắn nhãn về “đầu ra hợp lý nhưng sai trong thực tế,” đây là tín hiệu huấn luyện có giá trị nhất mà một mô hình mã hóa tác nhân có thể nhận được.
Kết quả được thể hiện rõ trong hồ sơ công bố của mô hình. Grok 4.5 dẫn đầu các điểm chuẩn về thiết bị đầu cuối và quy trình làm việc (Terminal Bench 2.1: 83.3%, vượt qua Opus 4.8) và đạt một con số hiệu quả token bất thường: trung bình 15.954 token đầu ra cho mỗi tác vụ SWE Bench Pro, ít hơn khoảng 4.2 lần so với Opus 4.8 (tối đa). Các mô hình học tính dài dòng từ dữ liệu của chúng; một mô hình được huấn luyện trên các phiên thực tế, nơi các nhà phát triển ưu tiên bản sửa lỗi hoạt động ngắn nhất, có thể đã học cách ngừng "nói" sớm hơn. Toàn bộ số liệu có trong phân tích điểm chuẩn của chúng tôi.
Những câu hỏi cần được trả lời thẳng thắn
Luồng thảo luận trên Hacker News về sự ra mắt đã nêu bật những câu hỏi mà hầu hết người dùng Cursor có. Dưới đây là những gì có thể biết được hôm nay:
Dữ liệu của tôi có được đưa vào không? Không thể trả lời từ bên ngoài. “Hàng nghìn tỷ token” dữ liệu tương tác ngụ ý việc thu thập rộng rãi, nhưng không công ty nào công bố nhóm người dùng, khoảng thời gian hoặc trạng thái đồng ý nào đã cung cấp dữ liệu cho hệ thống.
Chế độ bảo mật thì sao? Cursor từ lâu đã cung cấp một cài đặt bảo mật mà chính sách đã nêu là mã từ các phiên đó không được lưu trữ hoặc sử dụng để huấn luyện. Không có bài đăng ra mắt nào nói liệu tập dữ liệu Grok 4.5 có trước, tôn trọng hay định nghĩa lại các ranh giới đó hay không. Ngôn ngữ chính xác trong chính sách bảo mật của Cursor và thỏa thuận dữ liệu của gói bạn đang sử dụng là yếu tố chi phối, và việc đọc kỹ bây giờ quan trọng hơn là giả định; các chính sách tại các công ty được mua lại thường được viết lại.
Điều này có vi phạm quy tắc không? Các điều khoản của Cursor đã cho phép sử dụng dữ liệu không ở chế độ bảo mật cho mục đích cải thiện sản phẩm. Việc huấn luyện một mô hình chủ lực tại một công ty liên kết có thể được hiểu chính xác là như vậy, nhưng ở quy mô chưa từng có. Các doanh nghiệp có thỏa thuận xử lý dữ liệu nên yêu cầu luật sư của họ đối chiếu “cải thiện sản phẩm” với “huấn luyện một mô hình nền tảng thương mại” thay vì chấp nhận cách diễn giải của bất kỳ công ty nào.
Mã của tôi có trong mô hình không? Việc sao chép nguyên văn dữ liệu huấn luyện rất hiếm trong các mô hình hiện đại được xây dựng tốt nhưng không phải là không thể. Không có cuộc kiểm toán công khai nào về khả năng ghi nhớ cho Grok 4.5.
Phải làm gì, trên thực tế
Đối với các nhà phát triển cá nhân:
- Kiểm tra cài đặt quyền riêng tư của Cursor ngay hôm nay. Nếu bạn làm việc với bất kỳ thứ gì nhạy cảm và chế độ riêng tư đang tắt, đó là việc bạn cần làm, bất kể điều gì liên quan đến Grok.
- Đọc các điều khoản dữ liệu hiện hành, không phải dựa vào trí nhớ của bạn. Việc mua lại khiến tháng này là thời điểm thích hợp để đọc lại.
Đối với các nhóm:
- Quản trị viên nên kiểm tra cài đặt dữ liệu cấp không gian làm việc. Các gói nhóm tập trung hóa việc này; một công tắc điều chỉnh áp dụng cho tất cả mọi người.
- Tách biệt các mối quan tâm một cách hợp lý. Dữ liệu đo lường từ trình soạn thảo là một bề mặt tiếp xúc; những gì bạn gửi đến API mô hình tại thời điểm suy luận là một bề mặt khác. Các cuộc gọi suy luận được điều chỉnh bởi các điều khoản sử dụng dữ liệu API, chứ không phải lịch sử tập dữ liệu huấn luyện.
- Giữ bí mật khỏi cả hai bề mặt. Khóa API, token và thông tin đăng nhập không thuộc về các lời nhắc hoặc mã được gửi đến bất kỳ công cụ AI nào. Nếu bạn đang kiểm tra các điểm cuối của mô hình, hãy lưu trữ khóa dưới dạng biến môi trường trong Apidog thay vì dán chúng vào các phiên làm việc của trình soạn thảo hoặc các bộ sưu tập được chia sẻ; bí mật của bạn được giữ trong một kho lưu trữ được thiết kế riêng cho chúng, và các yêu cầu của nhóm bạn sẽ tham chiếu biến, chứ không bao giờ tham chiếu giá trị. Tải Apidog miễn phí để thiết lập kho lưu trữ chung cho các khóa mô hình của nhóm bạn.
Không có điều nào trong số này yêu cầu từ bỏ công cụ. Nó đòi hỏi bạn phải biết những công tắc nào tồn tại và cài đặt chúng một cách có chủ đích.
Tiền lệ quan trọng hơn sự ra mắt này
Grok 4.5 là mô hình tiên phong đầu tiên được công khai huấn luyện trên các phiên làm việc của người dùng của một trình soạn thảo thương mại. Nó sẽ không phải là cái cuối cùng. Mọi nhà cung cấp trình soạn thảo AI giờ đây đều có bằng chứng rằng dữ liệu phiên làm việc tạo ra khả năng khác biệt, và mọi thương vụ mua lại một công ty công cụ dành cho nhà phát triển giờ đây đều mang hàm ý về tài sản dữ liệu. GitHub, Google và Amazon đều sở hữu các tập dữ liệu tương tác tương tự.
Các nhà phát triển trên thực tế đã trở thành những người gắn nhãn dữ liệu không được trả lương cho mã hóa tác nhân, với các tài liệu điều khoản dịch vụ như hợp đồng lao động. Điều đó không hẳn là nham hiểm; đó là cách các công cụ cải thiện, và chất lượng của Grok 4.5 một phần là nhờ những chỉnh sửa tích lũy từ cộng đồng của bạn. Nhưng nó biến việc đọc cài đặt quyền riêng tư thành một kỹ năng chuyên nghiệp thay vì sự hoang tưởng.
Để biết thêm về mô hình được tạo ra từ các phiên này, hãy xem Grok 4.5 là gì, nó so với Opus 4.8 như thế nào, và cách chạy nó bên trong Cursor, với cả việc sử dụng gấp đôi.
FAQ
xAI có huấn luyện Grok 4.5 bằng dữ liệu người dùng Cursor không? Có, theo mô tả của cả hai công ty: Cursor đã đóng góp hàng nghìn tỷ token dữ liệu tương tác của nhà phát triển, bao gồm các phiên làm việc của tác nhân và các chỉnh sửa của người dùng.
Chế độ bảo mật của Cursor có bảo vệ mã của tôi khỏi việc huấn luyện không? Đó là mục đích đã nêu của nó. Việc nó đã được áp dụng như thế nào và vào tập dữ liệu Grok 4.5 ra sao vẫn chưa được công bố chi tiết; hãy kiểm tra văn bản chính sách hiện hành và các điều khoản gói của bạn.
Tôi có thể sử dụng Grok 4.5 mà không đóng góp dữ liệu huấn luyện trong tương lai không? Các biện pháp kiểm soát nằm trong cài đặt quyền riêng tư của Cursor và các điều khoản dữ liệu API của xAI. Hãy xem xét cả hai; việc sử dụng chỉ qua API thông qua bảng điều khiển xAI được điều chỉnh riêng biệt với dữ liệu đo lường từ trình soạn thảo.
Tại sao việc huấn luyện trên các phiên làm việc lại giúp mô hình mã hóa tốt hơn? Dữ liệu phiên làm việc dạy về quy trình: điều gì đã thất bại, điều gì con người đã sửa, và bản sửa lỗi hoạt động ngắn nhất trông như thế nào. Mã tĩnh chỉ dạy về trạng thái cuối cùng.