作者 | 王啟隆

出品 | CSDN（ID：CSDNnews）

北京時間 7 月 10 日，原定于上午 11 點的 xAI Grok 4 發布會，在萬眾矚目中“鴿”了整整一小時。期間評論數飆升至 4200 條，轉發超 2000 次，點贊破萬，140 萬觀眾在線催更。這期間，xAI 的官推評論區成了大型許愿池和段子集散地。

畢竟，發布會前，老板馬斯克親自下場，在辦公室搭帳篷、通宵達旦進行“最后一次大規模訓練”的消息早已傳遍網絡。人們迫切想知道，是怎樣的“核武器”，值得如此陣仗。

事實證明，這場等待是值得的。馬斯克和他的團隊帶來的 Grok 4，不僅是一次模型的常規升級，更像是一場對現有 AI 能力邊界的悍然宣告。

王座易主？Grok 4制霸大模型考場

發布會的核心，首先是一系列令人瞠目結舌的基準測試（Benchmark）成績。如果說過去的 AI 評測是諸神之戰，那么 Grok 4 的登場，則是諸神黃昏。

最引人注目的，無疑是“人類最終測試”（Humanity's Last Exam, HLE）的成績。這是一個涵蓋了數學、有機化學、語言學、法學等多個博士級別難題的超高難度測試，旨在檢驗AI最頂尖的推理和知識能力。

根據現場公布的數據和后續網友的挖掘，Grok 4 的表現堪稱瘋狂：

• 基礎能力：在不使用任何外部工具的情況下，Grok 4 的文本模型（Text-Only）取得了 26.9% 的成績。

• 工具加持：當允許使用工具（如代碼解釋器）時，成績飆升至41.0%。

• 此外還有“重思考”模式，在這個模式下，Grok 4 Heavy 的得分達到了恐怖的58.3%！

這是一個什么概念？此前，無論是Claude 4 Opus、Gemini 2.5 Pro還是OpenAI的o3，在HLE上的得分普遍在15%-25%的區間徘徊。Grok 4幾乎將SOTA（State-of-the-Art，即當前最佳水平）的紀錄翻了一倍多。

馬斯克在發布會上的那句“Grok 4在每一個學科上都優于博士水平，沒有任何例外”，不再僅僅是豪言壯語，而是有了數據的支撐。他進一步解釋：“Grok 4比幾乎所有學科的所有研究生都要聰明，而且是同時！它在所有領域都達到了博士后水平，是所有領域，沒有例外。這值得我們反復回味。”

除了HLE，Grok 4在其他各大頂級基準測試中也實現了全面引領：

• ARC-AGI-2（抽象推理挑戰賽）： 在這個被認為是衡量通用人工智能潛力的關鍵測試中，Grok 4 (Thinking)以 15.9% 的得分創下新的 SOTA，幾乎是之前商業模型最高紀錄的兩倍。

• AIME 25（美國數學邀請賽）：Grok 4 Heavy 史無前例地取得了100%的滿分，完美解出了所有高難度數學題。

• GPQA（研究生水平問答）：得分高達88.9%，超越所有對手。

• Artificial Analysis 智能指數：在這個綜合了MMLU-Pro、GPQA Diamond、HLE 等七項頂級評測的綜合指數中，Grok 4 以 73 分高居榜首，超越了包括 o3-pro、Gemini 2.5 Pro 在內的所有模型。
  

這一系列的成績，標志著在 AI 的“智商”競賽中，Grok 4 已經暫時坐上了王座。

Grok何以封神？探秘智能背后的三大支柱

如此恐怖的性能躍升，絕非偶然。發布會深入揭示了 Grok 4 成功的秘密，可以歸結為三大支柱：全新的協作模式、最大化追求真相的哲學，以及毫不妥協的算力投入。

1.多智能體協作：Grok 4 Heavy的“秘密武器”

Grok 4 Heavy 之所以能在HLE等超高難度測試中取得突破，其核心秘密在于一種全新的內部協作機制。它并非簡單的參數堆砌，而是一個“多智能體構成的研討小組”（Multi-AgentStudyGroup）。

當遇到一個復雜問題時，Grok 4 Heavy 會在內部“分身”出多個獨立的智能體。每個智能體都會從不同角度、用不同方法獨立思考和解決問題。這個過程完成后，它們會進入一個“比較筆記”的環節。

這個環節遠比“少數服從多數”的投票機制高級。很多時候，可能只有一個智能體找到了解題的關鍵“竅門”或獨特的思路。通過分享，所有智能體都能理解這個最佳方案，并在此基礎上進行整合、優化，最終形成一個最深刻、最準確的答案。這正是“測試時計算”（Test-time-compute）的精髓，它通過增加思考的深度和廣度，換來了精度的巨大提升。

2.第一性原理：最大化追求真相

馬斯克再次重申了 xAI 的核心哲學：“最大化地尋求真相（Maximally Truth-Seeking）”。他將 AI 比作一個超級天才的孩子，你最終無法在智力上超越它，但你可以在它成長的早期，為它“植入”正確的價值觀。

“我們想要灌輸給它的，是好奇心、是對真理的追求，是成為一個有益于人類的存在。”

馬斯克在發布會上說，“物理學是宇宙的法則，其他的一切都只是建議。你無法欺騙物理學。所以，最終的考驗是現實。”

這種哲學，讓 Grok 在面對爭議性或復雜倫理問題時，不會像其他模型那樣選擇回避或給出“政治正確”的模板化答案，而是嘗試從第一性原理出發，進行深入的、不帶偏見的推理。

3.二十萬張H100超算集群：史無前例的算力投入

這一切的背后，是馬斯克毫不吝嗇的“鈔能力”支持。

發布會披露，Grok 4 的訓練是在一個擁有超過 20 萬張 H100 GPU 的超級計算機集群上完成的，是 Grok 3 時期的兩倍。更重要的是，xAI 改變了訓練策略，將更多的算力投入到“推理能力”的專項訓練上。相比于 Grok 2，Grok 4 的訓練量提升了整整 100 倍。

這種不計成本的投入，為 Grok 4 構建了無與倫比的“智能底座”，讓它有能力去探索更深層次的邏輯和知識。

不止于聊天：Grok 4的現實世界“超能力”

拋開冰冷的跑分，Grok 4 在現場演示和 API 初體驗中展現出的能力，更直觀地定義了下一代 AI 的應用場景。

發布會后，馬斯克在 X 上最新置頂的這條推文，直接叫板 Cursor，宣告了 Grok 4 在代碼能力上的自信。在發布會的演示中，Grok 4 更是展示了其“創世”級別的能力：

• 黑洞碰撞模擬：面對“生成兩個黑洞碰撞的動畫”這種融合了物理學、數學和編程的復雜要求，Grok 4 不僅理解了背后的“后牛頓近似法”等物理學原理，還迅速編寫出 Python 代碼，調用相關庫，生成了相當逼真的可視化動圖。它甚至在代碼注釋中坦誠地解釋，為了視覺效果，在引力波的尺度上做了哪些“藝術夸張”，展現了驚人的元認知和自我解釋能力。

• 4小時開發一款游戲：一位名叫 Danny 的開發者受邀體驗 Grok 4 API。他僅用了 4 個小時，就借助 Grok 4 從零開始制作出了一款完整的第一人稱射擊游戲。Grok 4 不僅編寫了游戲的核心邏輯代碼，更令人驚嘆的是，它還自動完成了尋找、適配紋理貼圖、處理 3D 模型等極其繁瑣的“美術資源”工作。這極大地解放了開發者的創造力，讓一個人成為一個游戲工作室的夢想，變得觸手可及。

• 商業模擬超越人類：在一個名為“Vending Bench”的商業模擬平臺中，AI 需要扮演自動售貨機公司的經營者，管理庫存、定價、與供應商簽約。Grok 4 不僅成功運營，其最終創造的“凈資產”價值更是達到了排行榜第二名模型的兩倍，展現出驚人的長期戰略規劃和執行能力。

• 加速科學發現：頂尖的生物醫學研究機構 Arc Institute，已經開始使用 Grok 4 API 來自動化分析其海量的實驗日志。面對數百萬份復雜的實驗數據，Grok 4 能幫助科學家快速篩選出最有價值的研究假設，將原本耗時數周的工作縮短到幾分鐘。

• 預測未來：現場演示中，團隊讓 Grok 4 Heavy 分析體育博彩市場 Polymarket，并預測本年度美國職業棒球大聯盟世界大賽的冠軍。在長達 4 分半鐘的深度“思考”后，Grok 4 瀏覽了大量賠率網站，分析了各隊實力，甚至計算了自己的“Alpha 優勢”，最終給出了洛杉磯道奇隊以 21.6% 的概率獲勝的結論，并詳細闡述了整個推理過程。這種能力，讓 Grok 4 不再僅僅是一個信息檢索工具，而是一個具備主動分析和決策能力的“戰略顧問”。

發布會還展示了全新的語音交互模式。新的聲音模型，如充滿磁性的“Sal”（發布會開場“電影預告片”的配音）和溫柔知性的“Eve”，在自然度、韻律和情感表達上都達到了新的高度。

在與 Eve 的互動中，它能根據指令，用低語來安撫緊張的主持人，也能即興高歌一曲關于“健怡可樂”的詠嘆調，甚至在被要求“直接唱”時，無縫切換到另一種歌唱風格。這種對人類情感和語境的細膩捕捉，預示著未來的人機交互將變得無比自然和溫暖。

價格、速度與未來：Grok 4的陽謀與坦誠

Grok 4 的強大并非遙不可及。會后，xAI 正式公布了全新的“SuperGrok”訂閱計劃和 API 定價，展現了其商業化的雄心和對市場的清晰判斷。

定價策略：

• 免費版（Basic）：體驗Grok 3。

• SuperGrok（$300美元/年）：可使用 Grok 4 標準版，擁有 128k 上下文窗口和帶視覺的語音模式。

• SuperGrok Heavy（$3000美元/年）：獨家體驗 Grok 4 Heavy，并能搶先體驗各項新功能。

Grok 4 的 API 輸出速度為75 tokens/s，雖然慢于 o3（188 tokens/s），但快于同樣以深度思考著稱的 Claude 4 Opus Thinking（66 tokens/s）。

此外，在發布會的最后，馬斯克和團隊也坦誠了 Grok 4 目前的“短板”——多模態能力，尤其是圖像理解。他們形容現在的 Grok 4 看世界就像“隔著一塊毛玻璃”，有些“局部失明”。

但這正是 xAI 的可怕之處，他們總是在承認弱點的同時，給出解決問題的時間表：

1.視覺革命在即：將徹底解決這一問題的 Foundation Model V7 版本已在訓練中，預計幾周內完成。屆時，Grok 將擁有與人類無異的視覺和聽覺，能看懂視頻，理解世界。

2.馬斯克的預言：

• 今年： 有望看到第一部由AI生成的、可觀看的半小時電視節目。

• 明年： 期待第一款真正好玩的 AI 視頻游戲和第一部完整的 AI 電影。
  

3. 最終考場：馬斯克強調，通過所有人類考試只是第一步。Grok 的終極目標是成為一個科學發現和技術發明的引擎。

“Grok 可能會在今年年底發現新的可用技術，明年發現新的物理學。”

這不再是科幻。當一個 AI 開始以現實世界為考場，以推動人類知識邊界為己任時，我們知道，一個全新的時代，真的來了。

而這場由 Grok 4 攪動的風暴，才剛剛開始。

2025 全球產品經理大會

8月15–16日·北京威斯汀酒店

互聯網大廠&AI 創業公司產品人齊聚

12 大專題，趨勢洞察 × 實戰拆解

掃碼領取大會 PPT，搶占 AI 產品新紅利