機器之心報道

機器之心編輯部

幾乎毫無預兆，馬斯克人工智能公司 xAI 發(fā)布了最新模型 Grok 4.1。

就在剛剛，xAI 宣布，Grok 4.1 已經向所有用戶開放，可以在 Grok 官網(wǎng)、X 以及 iOS 和 Android 應用中使用。

Grok 4.1將立即在 Auto 模式中推送，并可在模型選擇器中手動選擇。

此次，Grok 4.1 將在真實世界可用性方面帶來顯著提升，尤其是在創(chuàng)造力、情感互動和協(xié)作交互方面表現(xiàn)出色。Grok 4.1 對細微意圖的感知能力更強，與用戶對話更加吸引人，整體人格也更連貫，同時完全保留了前代模型強大的智能與可靠性。

馬斯克在 x 上宣傳一波自家模型。

為實現(xiàn)這些提升，xAI 在支撐 Grok 4 的同一套大規(guī)模強化學習基礎設施上進一步優(yōu)化了模型的風格、個性、助人性和對齊性。并且，為了優(yōu)化這些不可直接驗證的獎勵信號，xAI 開發(fā)了全新的方法，能夠利用前沿的智能體式推理模型作為獎勵模型，從而可以大規(guī)模自主評估并迭代輸出結果。

與此前的線上生產模型相比，Grok 4.1 在對比評估中有 64.78% 的概率被用戶偏好選擇。

接下來看 Grok 4.1 的能力特征。

SOTA 通用能力

Grok 4.1 在盲測的人類偏好評估中樹立了全新的標桿。

在 LMArena 的 Text Arena 排行榜上，Grok 4.1 的推理模式（代號：quasarflux）以 1483 的 Elo 分數(shù)位居總榜首位，領先最高的非 xAI 模型整整 31 分

Grok 4.1 的非推理模式（代號：tensor）無需使用思維 token 便能即時響應，在排行榜上以 1465 Elo 分數(shù)位居第二。即便不啟用推理，Grok 4.1 也超越了其他所有模型在啟用完整推理配置下的表現(xiàn)。

與 Grok 4 相比，Grok 4.1 的整體表現(xiàn)實現(xiàn)了大幅超越 ，前者此前的總排名僅為第 33 名。

情感智能

為了評估模型在個性與人際互動能力方面的進展，xAI 在 EQ-Bench3 上對 Grok 4.1 進行了測試。

EQ-Bench 是一個由大語言模型評判的測試，用于評估主動情緒智能，包括情緒理解、洞察力、同理心以及人際交往技能。測試集包含 45 個具有挑戰(zhàn)性的角色扮演場景，其中大多數(shù)由預先編寫的三輪對話提示組成。該基準通過多項標準驗證模型的回答質量，以評估模型表現(xiàn)。此外，它還通過成對對比的方式，為排行榜中的每個模型計算歸一化的 Elo 分數(shù)。

xAI 使用官方基準倉庫運行測試，并報告評分細則（rubric score）與歸一化 Elo 分數(shù)。所有分數(shù)均在遵循基準要求的條件下計算：使用默認采樣參數(shù)、指定的評判模型（Claude Sonnet 3.7），并且不添加 system prompt。

結果顯示，Grok 4.1 的推理模式和非推理模式位居榜單前兩名

以下示例展示了 Grok 4.1 對情緒類提示的回應方式：

創(chuàng)意寫作

xAI 還在 Creative Writing v3 基準測試上評估了 4.1 系列模型的表現(xiàn)。

在該基準中，模型需要針對 32 個不同的寫作提示生成回答，并進行 3 輪迭代。與 EQ-Bench 類似，評分同時基于評分細則（rubrics）和模型對戰(zhàn)的歸一化 Elo 分數(shù)進行計算。

結果顯示，Grok 4.1 的推理模式和非推理模式位居基準測試第二和第三名，僅次于早期 GPT 5.1

以下示例展示了 Grok 4.1 在創(chuàng)意寫作提示下的回答方式：

減少幻覺

配備搜索工具的 Fast（非推理）模型能夠提供即時答案，但由于推理深度受限、工具調用次數(shù)有限，它們更容易出現(xiàn)事實性錯誤。

在 Grok 4.1 的后訓練過程中，xAI 著重降低了信息查詢類提示的事實幻覺。隨后，xAI 在抽樣的生產環(huán)境信息查詢提示中觀察到了幻覺率的顯著下降。

xAI 使用來自生產流量的真實信息查詢請求，按類別分層抽樣評估模型幻覺率。同時，也評測了 FActScore —— 一個包含 500 個關于不同人物的傳記類問題的公共基準測試。

更多 Grok 4.1 的技術細節(jié)請參閱模型卡：

模型卡地址：https://data.x.ai/2025-11-17-grok-4-1-model-card.pdf

官方博客：https://x.ai/news/grok-4-1#silent-rollout-november-114-2025