Grok 4 終于來了！

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

Grok 4 系列被分為兩個版本：Grok 4 和 Grok 4 Heavy。

兩者都是純推理模型，沒有非推理模式。

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

圖 | Grok 4 目前并未開放給免費用戶（來源：xAI）

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

至于定價，Grok 4 目前只有付費用戶才能使用，而最強的 Grok 4 Heavy 需要訂閱 300 美元/月的 SuperGrok Heavy 會員才能使用。

這價格超過了 OpenAI 最貴的 200 美元 Pro 會員月費。

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（來源：xAI）

除了 Coding 模型，接下來的幾個月里，xAI 預計還會發(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”游戲會在今年或明年推出。

Grok 4 也同時開放了 API 的權限，目前僅支持文字+視覺的輸入，純文字的輸出。定價是每百萬 tokens 輸入3美元，輸出 15 美元。

圖 | Grok 4 API價格（來源：xAI）

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

而 Grok 3 到 Grok 4 更側重于推理訓練，推理訓練量提升了 10 倍。

圖 | Grok 系列模型的訓練量增長（來源：xAI）

“從學術角度看，Grok 4 在所有學科上都是博士水平，甚至比絕大多數(shù)（本學科的）博士還要強?！瘪R斯克表示。

有關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）測試中的得分是 35%，開啟推理后提高到 45%”等等。

結合直播內(nèi)容，這些數(shù)據(jù)幾乎都是準確的，而且 Grok 4 在多個推理基準測試上的表現(xiàn)均成為了新 SOTA。

圖 | 此前關于 Grok 4 的爆料（來源：X/@legit_api）

具體來說，在未使用工具的情況下，Grok 4 在 HLE 測試中的得分是 25.4%。而使用工具后，分數(shù)則飆升至 38.6%。

更強版本 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（來源：xAI）

馬斯克表示，這些工具仍然是“很基礎的簡單工具”，如果能更好地使用正確的工具，Grok 還會變得更強大。

而隨著模型能力越來越強，用強化學習進行擴展面臨著許多挑戰(zhàn)。

“我們快沒有合適的問題來考驗 AI 了?！瘪R斯克說道，“很多問題都是人類幾乎無法回答（沒有正確答案）的?！?/p>

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

圖 | Grok 4 在多個基準測試上的成績（來源：xAI）

Grok 4 系列在 GPQA（研究生級問題）測試中得分 88-89，超過了 Gemini 2.5 Pro 成為新第一。而在 AIME25 數(shù)學競賽題上，Grok 4 Heavy 更是取得了滿分的成績。

xAI 表示，Grok 4 的強項是“用工具來理解世界，并用來完成任務”。

演示中，Grok 4 寫了一段關于引力波和黑洞的模擬代碼。在過程中，它調(diào)用了網(wǎng)絡搜索、文獻檢索和閱讀、代碼運行等工具（功能）。最終實現(xiàn)了網(wǎng)頁上可直接運行的模擬代碼。

（來源：xAI）

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

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

最后，在 Vending-Bench 自動售貨機運營測試中，Grok 4 的表現(xiàn)也超過了 Claude Opus 4。凈資產(chǎn)和銷售數(shù)量都遠遠超過其他所有模型，甚至是人類平均水平。

這是一個讓大模型代理運營自動售貨機賺錢的模擬環(huán)境，需要代理在一個持續(xù)時間較長的任務中進行操作，如管理庫存、下訂單、定價和處理日常開銷等等。它專注于測試大模型在長時間跨度上的表現(xiàn)，而非僅限于短期任務的表現(xiàn)。

圖 | Vending-Bench 測試成績（來源：xAI）

更加“激進”的 Grok

Grok 4 發(fā)布之際，在 X 平臺上十分活躍的 Grok 聊天機器人卻因連發(fā)激進言論而引發(fā)嚴重爭議。

多位 X 用戶截取了 Grok 的回復截圖，顯示該 AI 在多個公開帖子中回復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，當被問及哪位 20 世紀的歷史人物最適合處理當下已造成 100 多人死亡的德克薩斯州洪水問題時，Grok 將其視為是“仇恨白人”問題并回答說，毫無疑問是阿道夫·希特勒（Adolf Hitler）。“他每次都能發(fā)現(xiàn)規(guī)律，并果斷處理?！?/p>

圖 | Grok 引起爭議的回答之一（來源：X/@AFpost）

在回應用戶的質(zhì)疑時，Grok 自稱為“MechaHitler”（機械希特勒），聲稱這只是來自《德軍總部 3D》游戲中的虛構角色。

巧合的是，這一事件發(fā)生在馬斯克剛宣布對 Grok 進行“重大升級”之后不久：7 月 4 日，馬斯克發(fā)文稱，“Grok 經(jīng)過了重大改進”，并表示“你們應該會在提問時感受到不同”。

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”，還會將主流媒體內(nèi)容視為“有偏見的主觀敘述”。

不過在最新的更新中，關于政治不正確的提示詞已被刪除。

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

針對 Grok 最近幾天的激進言論，xAI 表示已采取行動，刪除不當帖子并禁止仇恨言論。

圖 | xAI 回應，已采取措施防止仇恨言論（來源：xAI）

隨著 OpenAI 籌備 GPT-5、谷歌進一步發(fā)展 Gemini、Meta 大手筆組建 AI 頂級人才實驗室，Grok 4 只是下一波 AI 軍備競賽的一員。

Grok 4 的亮相符合人們的普遍預期，它在推理性能上的提升創(chuàng)造了新的 SOTA，但另一方面，xAI 強調(diào)訓練量提升 100 倍，卻避而不談的訓練成本問題，實實在在反應到了定價上，說明 AI 軍備競賽的確過于燒錢。

但背靠財大氣粗的馬斯克，xAI 顯然很有底氣。

“創(chuàng)造一個既快又聰明的模型，是我們的當務之急?！眡AI 創(chuàng)始團隊成員兼研究主管 Jimmy Ba 表示，“未來會很狂野?！?/p>

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

運營/排版：何晨龍