馬斯克發(fā)布“地球最強(qiáng)AI模型”Grok 4：橫掃所有榜單，在“人類最終測(cè)試”超越人類博士”！

作者 | 王啟隆

出品 | CSDN（ID：CSDNnews）

北京時(shí)間 7 月 10 日，原定于上午 11 點(diǎn)的 xAI Grok 4 發(fā)布會(huì)，在萬(wàn)眾矚目中“鴿”了整整一小時(shí)。期間評(píng)論數(shù)飆升至 4200 條，轉(zhuǎn)發(fā)超 2000 次，點(diǎn)贊破萬(wàn)，140 萬(wàn)觀眾在線催更。這期間，xAI 的官推評(píng)論區(qū)成了大型許愿池和段子集散地。

畢竟，發(fā)布會(huì)前，老板馬斯克親自下場(chǎng)，在辦公室搭帳篷、通宵達(dá)旦進(jìn)行“最后一次大規(guī)模訓(xùn)練”的消息早已傳遍網(wǎng)絡(luò)。人們迫切想知道，是怎樣的“核武器”，值得如此陣仗。

事實(shí)證明，這場(chǎng)等待是值得的。馬斯克和他的團(tuán)隊(duì)帶來(lái)的 Grok 4，不僅是一次模型的常規(guī)升級(jí)，更像是一場(chǎng)對(duì)現(xiàn)有 AI 能力邊界的悍然宣告。

王座易主？Grok 4制霸大模型考場(chǎng)

發(fā)布會(huì)的核心，首先是一系列令人瞠目結(jié)舌的基準(zhǔn)測(cè)試（Benchmark）成績(jī)。如果說(shuō)過(guò)去的 AI 評(píng)測(cè)是諸神之戰(zhàn)，那么 Grok 4 的登場(chǎng)，則是諸神黃昏。

最引人注目的，無(wú)疑是“人類最終測(cè)試”（Humanity's Last Exam, HLE）的成績(jī)。這是一個(gè)涵蓋了數(shù)學(xué)、有機(jī)化學(xué)、語(yǔ)言學(xué)、法學(xué)等多個(gè)博士級(jí)別難題的超高難度測(cè)試，旨在檢驗(yàn)AI最頂尖的推理和知識(shí)能力。

根據(jù)現(xiàn)場(chǎng)公布的數(shù)據(jù)和后續(xù)網(wǎng)友的挖掘，Grok 4 的表現(xiàn)堪稱瘋狂：

• 基礎(chǔ)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(jī)。

• 工具加持：當(dāng)允許使用工具（如代碼解釋器）時(shí)，成績(jī)飆升至41.0%。

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

這是一個(gè)什么概念？此前，無(wú)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(qū)間徘徊。Grok 4幾乎將SOTA（State-of-the-Art，即當(dāng)前最佳水平）的紀(jì)錄翻了一倍多。

馬斯克在發(fā)布會(huì)上的那句“Grok 4在每一個(gè)學(xué)科上都優(yōu)于博士水平，沒(méi)有任何例外”，不再僅僅是豪言壯語(yǔ)，而是有了數(shù)據(jù)的支撐。他進(jìn)一步解釋：“Grok 4比幾乎所有學(xué)科的所有研究生都要聰明，而且是同時(shí)！它在所有領(lǐng)域都達(dá)到了博士后水平，是所有領(lǐng)域，沒(méi)有例外。這值得我們反復(fù)回味?！?/p>

除了HLE，Grok 4在其他各大頂級(jí)基準(zhǔn)測(cè)試中也實(shí)現(xiàn)了全面引領(lǐng)：

• ARC-AGI-2（抽象推理挑戰(zhàn)賽）： 在這個(gè)被認(rèn)為是衡量通用人工智能潛力的關(guān)鍵測(cè)試中，Grok 4 (Thinking)以 15.9% 的得分創(chuàng)下新的 SOTA，幾乎是之前商業(yè)模型最高紀(jì)錄的兩倍。

• AIME 25（美國(guó)數(shù)學(xué)邀請(qǐng)賽）：Grok 4 Heavy 史無(wú)前例地取得了100%的滿分，完美解出了所有高難度數(shù)學(xué)題。

• GPQA（研究生水平問(wèn)答）：得分高達(dá)88.9%，超越所有對(duì)手。

• Artificial Analysis 智能指數(shù)：在這個(gè)綜合了MMLU-Pro、GPQA Diamond、HLE 等七項(xiàng)頂級(jí)評(píng)測(cè)的綜合指數(shù)中，Grok 4 以 73 分高居榜首，超越了包括 o3-pro、Gemini 2.5 Pro 在內(nèi)的所有模型。
  

這一系列的成績(jī)，標(biāo)志著在 AI 的“智商”競(jìng)賽中，Grok 4 已經(jīng)暫時(shí)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(fā)布會(huì)深入揭示了 Grok 4 成功的秘密，可以歸結(jié)為三大支柱：全新的協(xié)作模式、最大化追求真相的哲學(xué)，以及毫不妥協(xié)的算力投入。

1.多智能體協(xié)作：Grok 4 Heavy的“秘密武器”

Grok 4 Heavy 之所以能在HLE等超高難度測(cè)試中取得突破，其核心秘密在于一種全新的內(nèi)部協(xié)作機(jī)制。它并非簡(jiǎn)單的參數(shù)堆砌，而是一個(gè)“多智能體構(gòu)成的研討小組”（Multi-AgentStudyGroup）。

當(dāng)遇到一個(gè)復(fù)雜問(wèn)題時(shí)，Grok 4 Heavy 會(huì)在內(nèi)部“分身”出多個(gè)獨(dú)立的智能體。每個(gè)智能體都會(huì)從不同角度、用不同方法獨(dú)立思考和解決問(wèn)題。這個(gè)過(guò)程完成后，它們會(huì)進(jìn)入一個(gè)“比較筆記”的環(huán)節(jié)。

這個(gè)環(huán)節(jié)遠(yuǎn)比“少數(shù)服從多數(shù)”的投票機(jī)制高級(jí)。很多時(shí)候，可能只有一個(gè)智能體找到了解題的關(guān)鍵“竅門(mén)”或獨(dú)特的思路。通過(guò)分享，所有智能體都能理解這個(gè)最佳方案，并在此基礎(chǔ)上進(jìn)行整合、優(yōu)化，最終形成一個(gè)最深刻、最準(zhǔn)確的答案。這正是“測(cè)試時(shí)計(jì)算”（Test-time-compute）的精髓，它通過(guò)增加思考的深度和廣度，換來(lái)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(xué)：“最大化地尋求真相（Maximally Truth-Seeking）”。他將 AI 比作一個(gè)超級(jí)天才的孩子，你最終無(wú)法在智力上超越它，但你可以在它成長(zhǎng)的早期，為它“植入”正確的價(jià)值觀。

“我們想要灌輸給它的，是好奇心、是對(duì)真理的追求，是成為一個(gè)有益于人類的存在?！?/p>

馬斯克在發(fā)布會(huì)上說(shuō)，“物理學(xué)是宇宙的法則，其他的一切都只是建議。你無(wú)法欺騙物理學(xué)。所以，最終的考驗(yàn)是現(xiàn)實(shí)?！?/p>

這種哲學(xué)，讓 Grok 在面對(duì)爭(zhēng)議性或復(fù)雜倫理問(wèn)題時(shí)，不會(huì)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(fā)，進(jìn)行深入的、不帶偏見(jiàn)的推理。

3.二十萬(wàn)張H100超算集群：史無(wú)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(fā)布會(huì)披露，Grok 4 的訓(xùn)練是在一個(gè)擁有超過(guò) 20 萬(wàn)張 H100 GPU 的超級(jí)計(jì)算機(jī)集群上完成的，是 Grok 3 時(shí)期的兩倍。更重要的是，xAI 改變了訓(xùn)練策略，將更多的算力投入到“推理能力”的專項(xiàng)訓(xùn)練上。相比于 Grok 2，Grok 4 的訓(xùn)練量提升了整整 100 倍。

這種不計(jì)成本的投入，為 Grok 4 構(gòu)建了無(wú)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(shí)。

不止于聊天：Grok 4的現(xiàn)實(shí)世界“超能力”

拋開(kāi)冰冷的跑分，Grok 4 在現(xiàn)場(chǎng)演示和 API 初體驗(yàn)中展現(xiàn)出的能力，更直觀地定義了下一代 AI 的應(yīng)用場(chǎng)景。

發(fā)布會(huì)后，馬斯克在 X 上最新置頂?shù)倪@條推文，直接叫板 Cursor，宣告了 Grok 4 在代碼能力上的自信。在發(fā)布會(huì)的演示中，Grok 4 更是展示了其“創(chuàng)世”級(jí)別的能力：

• 黑洞碰撞模擬：面對(duì)“生成兩個(gè)黑洞碰撞的動(dòng)畫(huà)”這種融合了物理學(xué)、數(shù)學(xué)和編程的復(fù)雜要求，Grok 4 不僅理解了背后的“后牛頓近似法”等物理學(xué)原理，還迅速編寫(xiě)出 Python 代碼，調(diào)用相關(guān)庫(kù)，生成了相當(dāng)逼真的可視化動(dòng)圖。它甚至在代碼注釋中坦誠(chéng)地解釋，為了視覺(jué)效果，在引力波的尺度上做了哪些“藝術(shù)夸張”，展現(xiàn)了驚人的元認(rèn)知和自我解釋能力。

• 4小時(shí)開(kāi)發(fā)一款游戲：一位名叫 Danny 的開(kāi)發(fā)者受邀體驗(yàn) Grok 4 API。他僅用了 4 個(gè)小時(shí)，就借助 Grok 4 從零開(kāi)始制作出了一款完整的第一人稱射擊游戲。Grok 4 不僅編寫(xiě)了游戲的核心邏輯代碼，更令人驚嘆的是，它還自動(dòng)完成了尋找、適配紋理貼圖、處理 3D 模型等極其繁瑣的“美術(shù)資源”工作。這極大地解放了開(kāi)發(fā)者的創(chuàng)造力，讓一個(gè)人成為一個(gè)游戲工作室的夢(mèng)想，變得觸手可及。

• 商業(yè)模擬超越人類：在一個(gè)名為“Vending Bench”的商業(yè)模擬平臺(tái)中，AI 需要扮演自動(dòng)售貨機(jī)公司的經(jīng)營(yíng)者，管理庫(kù)存、定價(jià)、與供應(yīng)商簽約。Grok 4 不僅成功運(yùn)營(yíng)，其最終創(chuàng)造的“凈資產(chǎn)”價(jià)值更是達(dá)到了排行榜第二名模型的兩倍，展現(xiàn)出驚人的長(zhǎng)期戰(zhàn)略規(guī)劃和執(zhí)行能力。

• 加速科學(xué)發(fā)現(xiàn)：頂尖的生物醫(yī)學(xué)研究機(jī)構(gòu) Arc Institute，已經(jīng)開(kāi)始使用 Grok 4 API 來(lái)自動(dòng)化分析其海量的實(shí)驗(yàn)日志。面對(duì)數(shù)百萬(wàn)份復(fù)雜的實(shí)驗(yàn)數(shù)據(jù)，Grok 4 能幫助科學(xué)家快速篩選出最有價(jià)值的研究假設(shè)，將原本耗時(shí)數(shù)周的工作縮短到幾分鐘。

• 預(yù)測(cè)未來(lái)：現(xiàn)場(chǎng)演示中，團(tuán)隊(duì)讓 Grok 4 Heavy 分析體育博彩市場(chǎng) Polymarket，并預(yù)測(cè)本年度美國(guó)職業(yè)棒球大聯(lián)盟世界大賽的冠軍。在長(zhǎng)達(dá) 4 分半鐘的深度“思考”后，Grok 4 瀏覽了大量賠率網(wǎng)站，分析了各隊(duì)實(shí)力，甚至計(jì)算了自己的“Alpha 優(yōu)勢(shì)”，最終給出了洛杉磯道奇隊(duì)以 21.6% 的概率獲勝的結(jié)論，并詳細(xì)闡述了整個(gè)推理過(guò)程。這種能力，讓 Grok 4 不再僅僅是一個(gè)信息檢索工具，而是一個(gè)具備主動(dòng)分析和決策能力的“戰(zhàn)略顧問(wèn)”。

發(fā)布會(huì)還展示了全新的語(yǔ)音交互模式。新的聲音模型，如充滿磁性的“Sal”（發(fā)布會(huì)開(kāi)場(chǎng)“電影預(yù)告片”的配音）和溫柔知性的“Eve”，在自然度、韻律和情感表達(dá)上都達(dá)到了新的高度。

在與 Eve 的互動(dòng)中，它能根據(jù)指令，用低語(yǔ)來(lái)安撫緊張的主持人，也能即興高歌一曲關(guān)于“健怡可樂(lè)”的詠嘆調(diào)，甚至在被要求“直接唱”時(shí)，無(wú)縫切換到另一種歌唱風(fēng)格。這種對(duì)人類情感和語(yǔ)境的細(xì)膩捕捉，預(yù)示著未來(lái)的人機(jī)交互將變得無(wú)比自然和溫暖。

價(jià)格、速度與未來(lái)：Grok 4的陽(yáng)謀與坦誠(chéng)

Grok 4 的強(qiáng)大并非遙不可及。會(huì)后，xAI 正式公布了全新的“SuperGrok”訂閱計(jì)劃和 API 定價(jià)，展現(xiàn)了其商業(yè)化的雄心和對(duì)市場(chǎng)的清晰判斷。

定價(jià)策略：

• 免費(fèi)版（Basic）：體驗(yàn)Grok 3。

• SuperGrok（$300美元/年）：可使用 Grok 4 標(biāo)準(zhǔn)版，擁有 128k 上下文窗口和帶視覺(jué)的語(yǔ)音模式。

• SuperGrok Heavy（$3000美元/年）：獨(dú)家體驗(yàn) Grok 4 Heavy，并能搶先體驗(yàn)各項(xiàng)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(fā)布會(huì)的最后，馬斯克和團(tuán)隊(duì)也坦誠(chéng)了 Grok 4 目前的“短板”——多模態(tài)能力，尤其是圖像理解。他們形容現(xiàn)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(rèn)弱點(diǎn)的同時(shí)，給出解決問(wèn)題的時(shí)間表：

1.視覺(jué)革命在即：將徹底解決這一問(wèn)題的 Foundation Model V7 版本已在訓(xùn)練中，預(yù)計(jì)幾周內(nèi)完成。屆時(shí)，Grok 將擁有與人類無(wú)異的視覺(jué)和聽(tīng)覺(jué)，能看懂視頻，理解世界。

2.馬斯克的預(yù)言：

• 今年： 有望看到第一部由AI生成的、可觀看的半小時(shí)電視節(jié)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(chǎng)：馬斯克強(qiáng)調(diào)，通過(guò)所有人類考試只是第一步。Grok 的終極目標(biāo)是成為一個(gè)科學(xué)發(fā)現(xiàn)和技術(shù)發(fā)明的引擎。

“Grok 可能會(huì)在今年年底發(fā)現(xiàn)新的可用技術(shù)，明年發(fā)現(xiàn)新的物理學(xué)?！?/p>

這不再是科幻。當(dāng)一個(gè) AI 開(kāi)始以現(xiàn)實(shí)世界為考場(chǎng)，以推動(dòng)人類知識(shí)邊界為己任時(shí)，我們知道，一個(gè)全新的時(shí)代，真的來(lái)了。

而這場(chǎng)由 Grok 4 攪動(dòng)的風(fēng)暴，才剛剛開(kāi)始。

2025 全球產(chǎn)品經(jīng)理大會(huì)

8月15–16日·北京威斯汀酒店

互聯(lián)網(wǎng)大廠&AI 創(chuàng)業(yè)公司產(chǎn)品人齊聚

12 大專題，趨勢(shì)洞察 × 實(shí)戰(zhàn)拆解

掃碼領(lǐng)取大會(huì) PPT，搶占 AI 產(chǎn)品新紅利