馬斯克憋了快半年,終于把 Grok 4 端上了臺面。
這一次,他的口氣依舊不小。早在發布會前就放出狠話,聲稱 Grok 4 要「重寫人類知識庫」。等到了發布會上,馬斯克再次強調 Grok 4 是目前世界上最聰明的 AI。
可以,熟悉的味道,熟悉的配方。
當然,馬斯克夸自家產品這事兒,大家早就見怪不怪,但正如網友所調侃的那樣,你可以嘲笑 xAI 員工在辦公室帳篷里睡覺或者周末工作到凌晨 4:20,但也得承認,他們的確是當下發展速度最快的 AI 實驗室之一。
至于 Grok 4 能不能配得上「最聰明 AI」的稱號,還得看后續的實際體驗。不過,有一點是跑不了的——它已經成了市面上最貴的 AI,年訂閱價格最高可達到 3000 美元,定價策略可謂是相當不講武德。
世界上最聰明的 AI?世界上最貴的 AI!
Grok 的訓練路徑分為兩個核心階段:預訓練與強化學習。從 Grok 2 到 Grok 3,主要依賴預訓練方式;而從 Grok 3 升級到 Grok 4,則大幅引入了以推理能力為核心的強化學習訓練。
馬斯克說得輕描淡寫,但訓練的動靜卻不小。
相比 Grok 2,Grok 4 的訓練計算量提升了整整兩個數量級,相當于增長了 100 倍——而且還在持續擴張。
馬斯克表示,Grok 4 已在所有主要學科上超越博士水平。雖然它目前尚不具備發明新理論或提出原創技術的能力,但在他看來,這只是時間問題。
他甚至語言,今年底 Grok 可能就能發明新技術,明年幾乎可以確定將具備發現新物理規律的能力。
當然,讓 AI 接入現實世界,才是真正的關鍵。
他表示,Grok 與人形機器人 Optimus 的結合,將形成一個閉環推理系統——提出假設、驗證假設、探索現實。這將開啟一個智能大爆炸的時代,是人類歷史上最令人激動的節點。
在產品形態上,Grok 4 是單智能體模型,而 Grok 4 Heavy 則是多智能體版本。
前者比較好理解,而后者則支持多個智能體并行思考,在推理過程中橫向比對、縱向協同,調用更大規模的計算資源以完成更復雜、更精密的任務。
在現場演示中,Grok 4 Heavy 展示了多個場景能力。
比方說,讓 Grok 4 Heavy 去預測今年 MLB 世界大賽(World Series)的冠軍概率,它通過信息檢索、數據建模、概率計算,評估洛杉磯道奇隊的奪冠概率為 21.6%,并在 4.5 分鐘內完整輸出預測過程。
再比如,一個看似無厘頭的任務:找出 xAI 團隊里頭像最奇怪的那一個。依托 X 平臺的資料庫,模型自動抓取并分析頭像風格,最后鎖定了聯合創始人 Greg Yang。
有趣的是,雖然模型準確理解了「奇怪」這一主觀概念,并能在同類中做出相對判斷,但在一滑而過的演示中,我似乎看到了 Anthropic 員工 Jan Leike 的頭像,看來準確率也有待提高。
除了推理和搜索,Grok 還能生成內容時間軸。
比如,根據 X 平臺上的公開發帖,它能梳理出多個 AI 模型的基準測試成績、廠商更新節奏以及社區反應。用戶可以一目了然地看到 OpenAI 的分數表現、Gemini 的更新迭代,甚至是模型之間的微妙競爭態勢。
換句話說,Grok 不是只會考試的書呆子,而是真正具備跨場景理解與執行能力的 AI。
目前,Grok 最大的短板依然集中在多模態理解能力,尤其是在圖像理解和生成方面,能力仍有待加強。好消息是,下一階段的基礎模型訓練已經在路上,預計幾周內完成。
演示過程中,在測試「兩個黑洞相撞過程」的可視化任務時,Grok 采用了簡化的計算方式——使用后牛頓近似(Post-Newtonian approximation)替代完整的廣義相對論框架。
盡管存在簡化,模型依然準確地呈現了黑洞并合的關鍵物理階段,包括「螺旋接近」、「合并」與「振鈴階段」,并能清晰說明所采用的近似方法。此外,它還調用了相關教材、公開搜索結果及實際物理常數進行推理支持,整體邏輯鏈條嚴謹、解釋清晰。
就紙面參數而言,Grok 4 也交出了亮眼答卷。
Humanity’s Last Exam(人類最后的考試,簡稱:HLE,)覆蓋了數學、物理、計算機、醫學、人文社科等超過 100 個學科,共 2500 道閉卷題,測試難度極高,能夠真實反映模型在通用知識和復雜推理上的綜合表現。
根據 xAI 數據,Grok 4 在不使用任何工具的情況下,得分為 25.4%,超過了 Google Gemini 2.5 Pro 的 21.6% 和 OpenAI o3(高配版)的 21%。
而在使用工具的情況下,Grok 4 Heavy 的得分達到 44.4%,遠高于使用工具后 Gemini 2.5 Pro 的 26.9%。從整體趨勢來看,Grok 4 在擴展訓練資源的同時,通過引入工具使用和鏈式思維,不僅提升了復雜任務的處理能力,也逐步縮小了模型智能與通用認知之間的差距。
非營利組織 Arc Prize 也指出,Grok 在其 ARC-AGI-2 測試中創下新紀錄。這是一項視覺推理類基準測試,AI 需識別圖像中的模式。Grok 的得分為 16.2%,幾乎是當前排名第二的 Claude Opus 4 的兩倍。
面對一些常規的基準測試中,Grok 4 Heavy 的分數幾乎也快「刷滿」分數。在博士級難度的問題集 GBQA 中,盡管整體難度略低于 HLE,Grok 4 Heavy 依然取得了滿分成績,展現出極強的推理與理解能力。
不僅如此,在多項編程相關測試中,Grok 4 Heavy 的表現同樣搶眼。無論是 Live Coding、HMMT(麻省理工數學競賽)還是 USAMO(美國數學奧林匹克),它都遠超當前排名第二的模型,技術優勢相當明顯。
另外,知名分析機構 Artificial Analysis 通過對多款主流大模型在 7 個推理相關基準(MMLU-Pro、GPQA Diamond、Humanity’s Last Exam、LiveCodeBench、SciCode、AIME、MATH-500)上的綜合表現進行評估。
數據顯示,Grok 4 位列第一,得分為 73,是目前推理能力綜合得分最高的模型。緊隨其后的則是 o3-pro(估算值)71 分。
馬斯克也強調:
「未來 Grok 將幾乎在所有考試中答對每一個問題。而當它答不出某個問題時,它會指出題目的錯誤之處,或者指出問題含糊不清的地方,并給出不同情境下可能的答案。到那時,傳統考試將失去意義。AI 唯一的檢驗標準將是現實世界:它是否能發明有用的技術,是否能推動科學的突破。所以 HLE 這類測試題庫必須盡快更新,因為以當前的 AI 進展速度,它們很快就會過時。」
截至發稿前,Grok 4 和 Grok 4 Heavy 目前均已陸續上線。
目前,Grok 4 和 Grok 4 Heavy 已全面上線。用戶可以通過訂閱訪問,不過,訂閱價格就有點「不講武德」,最高可去到 3000 美元/年檔位,成了不少用戶吐槽的焦點。
這么一比,OpenAI 、Anthropic 以及 Perplexity 的 200 刀/月套餐都顯得實惠許多。
值得一提的是,發布后不久就有網友表示,Grok-4 與 Grok-4-Heavy 模型已經被成功「越獄」。越獄后的能力極其危險,可繞過安全護欄,輸出敏感或非法信息,比如化學武器合成步驟、《星球大戰1》的完整劇本(涉嫌版權)、甚至勒索病毒(惡意代碼)等。
不只會說話,Grok Voice 還有了「靈魂」
除了更強的推理能力,更聰明,Grok 4 這次也在「更像人」這件事上,邁出了一大步。
跟我們熟悉的語音助手不同,xAI 全新語音助手「Eve」不只是能答話,它能表達情緒、有語調變化,甚至還能現場「唱歌」。
在直播現場的演示上,它用一口優雅的英音,唱了一首即興創作的「Diet Coke 詠嘆調」,「O Diet Coke, thou elixir divine…」聽起來真的不像是 AI,像是倫敦劇場里的舞臺演員在表演。
這次語音模型一共上線了五種聲音,包括直播開場的「電影一般的預告男聲」Sal,以及支持低延遲、自然停頓、情緒起伏等能力的 Eve。
現場還安排了一段和 ChatGPT Voice 的對比演示,兩者輪流復述數字。ChatGPT 時不時「搶答」,有點像沒聽清就硬接話的同學。而 Grok 的表現更流暢、更貼近人類說話習慣,而且不會打斷用戶說話。
發布會上提到,自語音模型上線以來,Grok Voice 的端到端延遲縮短了兩倍,活躍用戶也增長了 10 倍。Grok Voice 正在迅速發展。
馬斯克:讓 Grok 去開一百萬個自動售貨機賺錢
幾個 Grok 4 API 的應用場景讓我印象非常深刻。
比如,在一項自動售貨機商業模擬 Vending-Bench中,Grok 被要求自主完成:供應商協商、庫存管理、定價策略,連續完成并長期保持盈利。
▲注:Vending-Bench 是一個專門設計用于測試基于 LLM 的代理,在管理一個簡單但長期運行的業務場景中的能力:運營一臺自動售貨機。
測試結果顯示,Grok 4 不僅登頂排行榜,而且它所獲得的凈資產是其他模型的兩倍。連馬斯克都開始調侃說:「以后買顯卡的錢,可以讓 Grok 去部署運營一百萬個自動售賣機賺回來」。
在科研領域,Grok 4 已被用于 CRISPR 基因研究和胸片 X 光分析。它能在幾秒鐘內讀完幾百萬條實驗記錄和日志,自動篩出最有可能成功的假設。
此外,像是金融領域、游戲開發等項目,都可以通過 xAI API 來使用 Grok 4 來實現。發布會上特別提到了一個游戲設計師,他在 xAI 發布了 Grok 4 預覽 API 后,就立刻參與測試。然后,他花了短短 4 小時就做出了一個第一人稱射擊游戲。
Grok 4 不是終點。發布會最后預告了接下來的路線圖,每一項都非常值得期待。
- 代碼模型:這次竟然沒有發布 Grok Code,不過 xAI 提到正在訓練了,一個「又快又聰明」的代碼模型將會在幾周內上線。
- 多模態能力:Grok 4 在圖像理解上表現依舊是有限,團隊也說正在以更大規模訓練下一個版本,預計會在圖像、視頻和音頻理解上迎來質變,到時 Grok 將能「像人類一樣看世界」。
- 視頻生成:xAI 說將使用大規模的算力資源,進行視頻生成模型的訓練。他們的最終目標是做到圖生視頻,生成可交互的「無盡視頻流」,讓用戶能邊看邊參與劇情走向。
可能有不少朋友已經發現,這次發布會還有兩個熟悉的華人面孔。他們正是 xAI 的聯合創始人——吉米·巴(Jimmy Ba)和吳宇懷(Yuhuai Wu)。
其中,吳宇懷(Yuhuai Wu)本科以滿績點畢業于加拿大紐布倫斯威克大學,并在 2021 年獲得多倫多大學機器學習博士學位,期間曾師從「深度學習之父」杰弗里·辛頓。
博士階段,他還曾在 Google DeepMind 和 OpenAI 實習,畢業后在 Google 任職,并在斯坦福大學從事博士后研究。
吳宇懷的研究重點是打造具備強推理能力的人工智能系統,先后主導或參與了自訓練推理模型 STAR、語言模型 Minerva 以及定理證明器 Alpha Geometry 等項目,并在《Nature》等頂刊上發表論文,推動 AI 在數學推理領域實現突破。
▲ 吳宇懷(左二)和吉米·巴(左三)
坐在他身旁的吉米·巴(Jimmy Ba)則是多倫多大學計算機科學系的助理教授,也是吳宇懷博士時期的導師之一。
他同樣出身于辛頓門下,是深度學習訓練優化領域的關鍵人物。
最為人熟知的,是他與合作者共同提出了 Adam Optimizer(自適應矩估計優化器)——如今幾乎成為深度神經網絡訓練的默認算法。可以說,他的博士論文為現代 AI 訓練機制奠定了堅實理論基礎。
不得不說,Gork 4 的到來適逢其時。
前代 Grok 3 的熱度來得猛,退得也快。
根據知名市場分析機構 SimilarWeb 發布的截至 5 月 9 日的《2025年全球生成式AI行業趨勢報告》,Grok 從三月流量暴漲超 100 萬倍,到五月增幅跌回 5200%。
相比前代倉促上線、草草交卷的節奏,這次的 Grok 4 明顯放慢了腳步,在產品打磨上也更下功夫。歸根結底,馬斯克的光環可以幫 Grok 帶來第一波流量,但能不能留下用戶,還得靠模型本身的硬實力。
只不過,我沒記錯的話,馬斯克當初在 Grok 3 發布時,還信誓旦旦說要把 Grok 2 開源。眼看五個月過去了,這事兒卻毫無動靜,這次發布會上也沒再提半句。
老馬啊,可不能寬于律己,嚴以待人呀。
作者:張子豪、莫崇宇
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.