作者 | 李水青
編輯 | 心緣
智東西7月10日報道，今日，馬斯克的AI公司xAI釋出其最新旗艦大模型Grok 4和多智慧體版本Grok 4 Heavy，並推出史上最貴的每月300美元（約合2153元人民幣）的AI訂閱計劃Super Grok Heavy。
在“人類的最後考試”（Humanity's Last Exam）中，Grok 4在無需“工具”的情況下取得了25.4%的準確率，超過了谷歌Gemini 2.5 Pro的21.6%和OpenAI o3（高版本）的21%。
配備“工具”的Grok 4 Heavy獲得44.4%的得分，優於配備工具的Gemini 2.5 Pro的26.9%。
▲Grok 4 Heavy在Humanity's Last Exam測評中取得第一
“就學術問題而言，Grok 4在各個學科上都比博士水平高，無一例外。”馬斯克在直播中說，“有時，它可能缺乏常識，而且它還沒有發明新技術或發現新的物理學說，但這只是時間問題。”
▲埃隆·馬斯克在直播中發言
xAI還推出了迄今為止最昂貴的AI訂閱計劃——每月300美元的Super Grok Heavy。訂閱者可以搶先體驗Grok 4 Heavy，並搶先體驗新功能。這些新功能包括但不限於：將於8月推出的AI編碼模型，9月推出的多模態智慧體，以及10月推出的影片生成模型。
▲每月300美元的Super Grok Heavy正式推出
直播結束後，馬斯克在X上發文稱：“你可以將整個原始碼檔案剪下並貼上到Grok上的查詢輸入框中，然後@Grok 4會幫你解決，比Cursor更好用。”
除此之外，xAI推出了Grok 4 API。xAI的企業部門僅成立兩個月，但它計劃與超大規模企業合作，透過其雲平臺提供Grok。
近幾個月來，xAI不僅拿下100億美元最新融資，還收購了社交平臺X，這也讓最新推出的Grok 4成為產業的關注焦點。Grok 4能否成為對打OpenAI計預告今夏推出的GPT-5的有力對手？讓我們來一起先睹為快。
01.
Grok 4測評趕超OpenAI o3
馬斯克：科研能力強過人類博士
馬斯克在直播中稱，在人文、語言、數學、物理、工程等多個基準測試中，Grok 4都取得了好成績。“有些人認為AI不能推理，但Grok 4的推理能力可以超越人類水平，比幾乎所有學科的研究生同時都聰明。”馬斯克說。
xAI的研究人員稱，Humanity's Last Exam測試極具挑戰性，總共有2500個問題，包括數學、自然科學、工程以及所有人文學科，問題廣泛且都是博士甚至高階研究水平，Grok 4在這些問題上可以得到很好的分數。
Grok 4在無需“工具”的情況下，在“測試中獲得了25.4%的準確率，超過了谷歌Gemini 2.5 Pro的21.6%和OpenAI o3（高版本）的21%。馬斯克稱，在學術問題方面，Grok 4比每個學科的博士水平都要好，現在沒有例外。他預測Grok 4最快今年就能去發明新技術了，兩年之內就能發現新物理學說。
在GPQA、AIME25、LCB（Jan-May）、HMMT25等多項測評中，Grok 4都超越了OpenAI o3、Gemini 2.5 Pro、Claude 4 Opus等模型。
而在ARC-AGI-2測試中，Grok 4取得了新的最高得分，得分為16.2%。ARC-AGI-2測試是另一項高難度基準測試，包含類似謎題的問題，要求AI識別視覺模式。Grok的得分幾乎是排名第二的商業AI模型Claude Opus 4得分的兩倍。
02.
訓練量級達到Grok 2 100倍
Grok 4將與人形機器人互動
從Grok2到Grok 4，每一次迭代xAI都增加了一個數量級的訓練，因此Grok 4的訓練量級達到了Grok 2的100倍，這使得智力增長非常顯著。
這是xAI第一次像預訓練一樣擴大訓練規模。基於擁有10萬塊H100 GPU的超級算力中心，訓練主要包括兩種型別：一個是從Grok 2到Grok 3到的預訓練，一個是從Grok 3到Grok 4在推理中投入了大量的算力。
談及幕後，如圖所示，當投入越來越多的訓練算力，模型開始逐漸變得越來越聰明，最終在沒有任何工具的情況下，解決了四分之一的Humanity's Last Exam測試問題。
接下來研發人員做的是向模型中新增工具功能。與Grok 3不同的是，研發人員使其更加本地化，將工具放入訓練中，從而顯著提高了模型使用這些工具的能力。
馬斯克透露，今年晚些時候，Grok 4還將融合有限元分析、計算流體動力學等更強大的工具進行訓練，將打造非常精確的物理模擬器，比如去做提供精確的黑洞模擬等任務。最終，Grok 4最大的區別在於，其將能夠透過人形機器人（如擎天柱）與現實世界互動。
馬斯克說，我們正處於智慧大爆炸的開端。我們需要確保AI是一個好的AI，安全最重要的事，AI需要最大限度地尋求真理。你可以把AI看作是超級天才的孩子，最終會比你聰明，但你仍然可以灌輸正確的價值觀並鼓勵它長成想要的樣子。
除了計算之外，還有一個技術問題是資料瓶頸。研發人員稱，在強化學習訓練過程中，他們實際上已經沒有可用來測試的問題了，已有的問題對AI來說正在迅速變得微不足道。
但馬斯克稱，最能出色判斷事物的就是現實。如果物理學是定律，最終其他一切都是建議。你不能打破物理。因此，我認為對於AI的最終測試是現實。就像你發明一項新技術，比如改進汽車或火箭，它有效嗎？現實才是最終的裁判。所以這將是一個圍繞現實的強化學習閉環。
03.
現場演示：看論文進行現實模擬
語音模式延遲減少一半
xAI研究員在直播中演示了Grok 4回答問題的能力。
Grok 4的一大特點是能夠理解世界，並透過利用工具來解決難題。比如要求Grok 4生成兩個黑洞碰撞的視覺化影像，它有一些清晰的思考過程，比如，為了讓它真正可見，Grok 4考慮到透過海浪的形式擴放它的規模。從思考過程看，Grok 4使用了搜尋，從一堆連結中收集結果，參考了現有的現實世界資料，而且還閱讀了分析引力波模型的本科論文。
除此之外，xAI還演示了Grok 4解答數學問題、建立一個基於X個帖子的時間線、檢視Humanity's Last Exam測試成績等問題。
在多模態測試方面，Grok 4分數略有下降。馬斯克坦言，Grok 4的基本弱點是它部分盲目地理解影像生成偏好。Grok 4的多模態理解能力正在改進，這些問題將在幾周內實現改善。
Grok 4的語音模式也進一步更新，已將延遲減少了一半。Grok 4今天推出一系列更具自然性和韻律的新聲音，API版本也將釋出。
04.
推出Grok 4企業API
程式設計、多模態、影片模型在路上
xAI的企業部門僅成立兩個月，但它正在透過其API釋出Grok 4，已有各行業企業透過雲平臺使用了Grok 4。
聚焦現實的自動售貨機商業場景，xAI的客戶團隊採用了大模型管理庫存、聯絡供應商，大多數模型在去進行長線任務時都很困難。但使用了Grok 4 API之後，團隊獲得了令人印象深刻的結果。它設法執行模擬的時間翻了一倍，得分也翻了一倍，前後能保持較強一致性。
聚焦AI創作遊戲方面，Grok 4可以在4個小時內製作的第一人稱射擊遊戲。製作遊戲並不一定是對遊戲的核心邏輯進行編碼，而是去尋找所有資源、檔案素材，以建立一個具有視覺吸引力的遊戲。對於開發人員來說，你可以專注於核心開發本身，讓Grok 4去整理所有資產，自動化完成任務。
未來Grok 4將具有出色的影片理解和改進的工具使用能力，例如可以使用虛幻引擎生成藝術品模型，然後建立一個可在PC或手機上執行的可執行檔案。xAI預計第一個真正優秀的AI影片遊戲將在明年出現。
除此之外，馬斯克透露，團隊目前正在加大力度訓練編碼模型，在未來幾周內將推出一個專業的編碼模型。編碼任務展現了Grok 4的弱點，即多模態能力。就像透過玻璃眯著眼睛看世界，看到所有模糊的特徵，並試圖感知它。xAI將在下一代模型中看到的最直接改進是，模型在理解影像和音訊方面會能力逐步提高。
在影片模型方面，xAI將在接下來三到四周開始訓練一個新的影片模型，具備出色影片生成和理解能力。
05.
結語：搶發Grok 4
馬斯克對戰GPT-5
Grok 4在高難度測試中展現的“超越博士水平”的推理能力，在理解和解決複雜問題方面邁出了關鍵一步。其透過工具加持實現的新能力，以及雄心勃勃的多模態與影片生成路線圖，展現了xAI與即將釋出的OpenAI GPT-5競賽的決心。
在To B端落地，xAI正加速將Grok 4的能力從企業應用到零售、遊戲創作等領域。同時，馬斯克強調的“安全至上”與“尋求真理”的AI發展原則，以及對現實世界作為最終測試場的認知，為這場席捲全球的智慧爆炸提供了不可或缺的思考維度。
（本文系網易新聞•網易號特色內容激勵計劃簽約賬號【智東西】原創內容，未經賬號授權，禁止隨意轉載。）