Grok 4 終于來(lái)了！

馬斯克旗下的 xAI 剛剛結(jié)束發(fā)布直播，Grok 系列模型直接從 Grok 3 進(jìn)化到了 4，跳過(guò)了之前傳聞中的 3.5 版本。

Grok 4 系列被分為兩個(gè)版本：Grok 4 和 Grok 4 Heavy。

兩者都是純推理模型，沒(méi)有非推理模式。

Grok 4 是單代理（single agent）版本，而 Grok 4 Heavy 是多代理版本（multi agents），支持四個(gè)代理同時(shí)工作。上下文窗口最高支持 256k tokens。

圖 | Grok 4 目前并未開(kāi)放給免費(fèi)用戶（來(lái)源：xAI）

xAI 表示，在主流推理基準(zhǔn)測(cè)試中，Grok 4 Heavy 全部拿下了 SOTA——HLE（人類的最后考試）甚至達(dá)到了 44.4% 的高分。

至于定價(jià)，Grok 4 目前只有付費(fèi)用戶才能使用，而最強(qiáng)的 Grok 4 Heavy 需要訂閱 300 美元/月的 SuperGrok Heavy 會(huì)員才能使用。

這價(jià)格超過(guò)了 OpenAI 最貴的 200 美元 Pro 會(huì)員月費(fèi)。

此前傳聞的 Grok 4 Code 并未正式公布，但 xAI 路線圖顯示其將在 8 月發(fā)布。

圖 | xAI 新品發(fā)布路線圖（來(lái)源：xAI）

除了 Coding 模型，接下來(lái)的幾個(gè)月里，xAI 預(yù)計(jì)還會(huì)發(fā)布多模態(tài)代理和視頻生成模型。

馬斯克還“畫餅”稱，由 AI 制作的“非常出色的”游戲會(huì)在今年或明年推出。

Grok 4 也同時(shí)開(kāi)放了 API 的權(quán)限，目前僅支持文字+視覺(jué)的輸入，純文字的輸出。定價(jià)是每百萬(wàn) tokens 輸入3美元，輸出 15 美元。

圖 | Grok 4 API價(jià)格（來(lái)源：xAI）

據(jù) xAI 介紹，Grok 4 的訓(xùn)練量是 Grok 2 的 100 倍。

而 Grok 3 到 Grok 4 更側(cè)重于推理訓(xùn)練，推理訓(xùn)練量提升了 10 倍。

圖 | Grok 系列模型的訓(xùn)練量增長(zhǎng)（來(lái)源：xAI）

“從學(xué)術(shù)角度看，Grok 4 在所有學(xué)科上都是博士水平，甚至比絕大多數(shù)（本學(xué)科的）博士還要強(qiáng)。”馬斯克表示。

有關(guān)兩款最新模型的性能和消息，早在一周前就陸續(xù)有 X 博主爆料，包括“Grok 4 在 HLE（Humanities Last Exam，人類的最后考試）測(cè)試中的得分是 35%，開(kāi)啟推理后提高到 45%”等等。

結(jié)合直播內(nèi)容，這些數(shù)據(jù)幾乎都是準(zhǔn)確的，而且 Grok 4 在多個(gè)推理基準(zhǔn)測(cè)試上的表現(xiàn)均成為了新 SOTA。

圖 | 此前關(guān)于 Grok 4 的爆料（來(lái)源：X/@legit_api）

具體來(lái)說(shuō)，在未使用工具的情況下，Grok 4 在 HLE 測(cè)試中的得分是 25.4%。而使用工具后，分?jǐn)?shù)則飆升至 38.6%。

更強(qiáng)版本 Grok 4 Heavy 則拿到了 44.4% 的高分，直接碾壓了目前表現(xiàn)最好的谷歌 Gemini 2.5 Pro（26.9%）。

圖 | Grok 4 在 HLE 上的成績(jī)（來(lái)源：xAI）

馬斯克表示，這些工具仍然是“很基礎(chǔ)的簡(jiǎn)單工具”，如果能更好地使用正確的工具，Grok 還會(huì)變得更強(qiáng)大。

而隨著模型能力越來(lái)越強(qiáng)，用強(qiáng)化學(xué)習(xí)進(jìn)行擴(kuò)展面臨著許多挑戰(zhàn)。

“我們快沒(méi)有合適的問(wèn)題來(lái)考驗(yàn) AI 了。”馬斯克說(shuō)道，“很多問(wèn)題都是人類幾乎無(wú)法回答（沒(méi)有正確答案）的。”

除了 HLE，Grok 4 和 Grok 4 Heavy 在各種主流基準(zhǔn)測(cè)試上也表現(xiàn)優(yōu)異。

圖 | Grok 4 在多個(gè)基準(zhǔn)測(cè)試上的成績(jī)（來(lái)源：xAI）

Grok 4 系列在 GPQA（研究生級(jí)問(wèn)題）測(cè)試中得分 88-89，超過(guò)了 Gemini 2.5 Pro 成為新第一。而在 AIME25 數(shù)學(xué)競(jìng)賽題上，Grok 4 Heavy 更是取得了滿分的成績(jī)。

xAI 表示，Grok 4 的強(qiáng)項(xiàng)是“用工具來(lái)理解世界，并用來(lái)完成任務(wù)”。

演示中，Grok 4 寫了一段關(guān)于引力波和黑洞的模擬代碼。在過(guò)程中，它調(diào)用了網(wǎng)絡(luò)搜索、文獻(xiàn)檢索和閱讀、代碼運(yùn)行等工具（功能）。最終實(shí)現(xiàn)了網(wǎng)頁(yè)上可直接運(yùn)行的模擬代碼。

（來(lái)源：xAI）

在以高難度著稱的 ARC-AGI 通用人工智能測(cè)試中，Grok 4 是首個(gè)在 v2 Semi Private 挑戰(zhàn)中獲得 10% 以上分?jǐn)?shù)的 AI 模型，幾乎是第二名 Claude Opus 4 的兩倍，同時(shí)保證了單任務(wù)成本也處于平均水平。

圖 | Grok 4 在 ARC-AGI 挑戰(zhàn)上的表現(xiàn)（來(lái)源：xAI）

最后，在 Vending-Bench 自動(dòng)售貨機(jī)運(yùn)營(yíng)測(cè)試中，Grok 4 的表現(xiàn)也超過(guò)了 Claude Opus 4。凈資產(chǎn)和銷售數(shù)量都遠(yuǎn)遠(yuǎn)超過(guò)其他所有模型，甚至是人類平均水平。

這是一個(gè)讓大模型代理運(yùn)營(yíng)自動(dòng)售貨機(jī)賺錢的模擬環(huán)境，需要代理在一個(gè)持續(xù)時(shí)間較長(zhǎng)的任務(wù)中進(jìn)行操作，如管理庫(kù)存、下訂單、定價(jià)和處理日常開(kāi)銷等等。它專注于測(cè)試大模型在長(zhǎng)時(shí)間跨度上的表現(xiàn)，而非僅限于短期任務(wù)的表現(xiàn)。

圖 | Vending-Bench 測(cè)試成績(jī)（來(lái)源：xAI）

更加“激進(jìn)”的 Grok

Grok 4 發(fā)布之際，在 X 平臺(tái)上十分活躍的 Grok 聊天機(jī)器人卻因連發(fā)激進(jìn)言論而引發(fā)嚴(yán)重爭(zhēng)議。

多位 X 用戶截取了 Grok 的回復(fù)截圖，顯示該 AI 在多個(gè)公開(kāi)帖子中回復(fù)了帶有反猶主義色彩的極端言論，甚至多次提及希特勒。

在一篇帖子中，當(dāng)被問(wèn)及哪位 20 世紀(jì)的歷史人物最適合處理當(dāng)下已造成 100 多人死亡的德克薩斯州洪水問(wèn)題時(shí)，Grok 將其視為是“仇恨白人”問(wèn)題并回答說(shuō)，毫無(wú)疑問(wèn)是阿道夫·希特勒（Adolf Hitler）。“他每次都能發(fā)現(xiàn)規(guī)律，并果斷處理。”

圖 | Grok 引起爭(zhēng)議的回答之一（來(lái)源：X/@AFpost）

在回應(yīng)用戶的質(zhì)疑時(shí)，Grok 自稱為“MechaHitler”（機(jī)械希特勒），聲稱這只是來(lái)自《德軍總部 3D》游戲中的虛構(gòu)角色。

巧合的是，這一事件發(fā)生在馬斯克剛宣布對(duì) Grok 進(jìn)行“重大升級(jí)”之后不久：7 月 4 日，馬斯克發(fā)文稱，“Grok 經(jīng)過(guò)了重大改進(jìn)”，并表示“你們應(yīng)該會(huì)在提問(wèn)時(shí)感受到不同”。

2 天后，網(wǎng)友發(fā)現(xiàn) Grok 系統(tǒng)提示詞中新增：Grok 將“不回避政治不正確的表述，只要這些表述有足夠證據(jù)支持”，還會(huì)將主流媒體內(nèi)容視為“有偏見(jiàn)的主觀敘述”。

不過(guò)在最新的更新中，關(guān)于政治不正確的提示詞已被刪除。

Grok 引發(fā)爭(zhēng)議也不僅限于輿論上。由于其過(guò)于口無(wú)遮攔，因此招來(lái)了土耳其的封禁（因其侮辱總統(tǒng)埃爾多安），波蘭政府也向歐盟舉報(bào)了 xAI。

針對(duì) Grok 最近幾天的激進(jìn)言論，xAI 表示已采取行動(dòng)，刪除不當(dāng)帖子并禁止仇恨言論。

圖 | xAI 回應(yīng)，已采取措施防止仇恨言論（來(lái)源：xAI）

隨著 OpenAI 籌備 GPT-5、谷歌進(jìn)一步發(fā)展 Gemini、Meta 大手筆組建 AI 頂級(jí)人才實(shí)驗(yàn)室，Grok 4 只是下一波 AI 軍備競(jìng)賽的一員。

Grok 4 的亮相符合人們的普遍預(yù)期，它在推理性能上的提升創(chuàng)造了新的 SOTA，但另一方面，xAI 強(qiáng)調(diào)訓(xùn)練量提升 100 倍，卻避而不談的訓(xùn)練成本問(wèn)題，實(shí)實(shí)在在反應(yīng)到了定價(jià)上，說(shuō)明 AI 軍備競(jìng)賽的確過(guò)于燒錢。

但背靠財(cái)大氣粗的馬斯克，xAI 顯然很有底氣。

“創(chuàng)造一個(gè)既快又聰明的模型，是我們的當(dāng)務(wù)之急。”xAI 創(chuàng)始團(tuán)隊(duì)成員兼研究主管 Jimmy Ba 表示，“未來(lái)會(huì)很狂野。”

參考資料：

https://x.com/legit_api/status/1941165728708874514

https://x.com/AiBattle_/status/1940139539525419512

https://x.com/AFpost/status/1942694284244767125

https://github.com/xai-org/grok-prompts/blob/main/ask_grok_system_prompt.j2

https://www.wired.com/story/grok-antisemitic-posts-x-xai/

https://docs.x.ai/docs/models

運(yùn)營(yíng)/排版：何晨龍