Grok4 发布：全整理

长话短说
马斯克发布了 Grok4，推理模型，对标 o3

Grok 4 需要订阅才能使用，$30/月起

网站在 https://grok.com/

下面是本次发布会的具体，整理如下

Grok 发布会实录

原视频在这（下面有地址）

Grok 4 介绍 (5:22 - 7:51)

5:22 Elon Musk 登台，发布会正式开始。

马斯克表示 Grok 4 是“世界上最智能的 AI”，并称其进化速度“远超任何人类”。Grok 4 具备卓越的推理能力，即使面对从未见过的考题，也能在 SAT 和 GRE 等高难度考试中取得近乎完美的成绩。

性能的指数级增长

马斯克表示：Grok 系列展现出“荒谬的进步速度”（Ludicrous rate of progress）。从 Grok 2 到 Grok 4，每一代模型的训练计算量增加约 10 倍，总增幅达 100 倍。

除了预训练计算，还大量投入在推理（RL compute）计算上，以增强思考与解决问题的能力。

基准测试表现：“人类最终考试”及其他

介绍名为“人类最终考试”（Humanity's Last Exam）的超高难度基准测试。该测试包含 2500 个专家级问题，涵盖上百个学科。

据称，没有任何人类能在所有领域达到博士后水平，但 Grok 4 实现了这一点。图表结果显示，Grok 4 及 Grok 4 Heavy 在 GPQA、AIME25、HMMT 等多个顶级基准测试中，表现全面超越所有竞争对手，包括 Claude Opus 4 与 Gemini 2.5 Pro。

功能演示

发布中，做了一些 Grok 4 实际应用能力演示

现实世界预测
在预测平台 Polymarket 上分析 2025 年 MLB 世界大赛冠军，Grok 4 不仅浏览了赔率，还结合 FanGraphs 的数据计算出自己的概率，识别出市场赔率与实际概率之间的差异，找到了“Alpha”和“Edge”

多模态与主观理解
在 X 平台上找出“xAI 员工最古怪的头像”，这表明 Grok 4 能够理解“古怪”这样的主观概念，并搜索和分析图片

信息整合与摘要
“人类最终考试”分数变化的 X 帖子时间线，展示了其从社交媒体上整合信息、提取关键事件并按时间排序的能力

代码与可视化生成
根据一个物理学提示，Grok 4 生成了一个关于两个黑洞碰撞并产生引力波的 HTML 动画，展示了其将复杂科学概念转化为代码和动态可视化的能力

语音模式与新声音 

Grok 4 语音模式迎来重大改进：端到端延迟减半，对话更流畅。发布五种全新的、极具表现力的声音，包括史诗感的“Sal”和带有丰富情感的英音“Eve”。

现场演示中，Eve 能以温柔语调安抚提问者，并即兴创作关于健怡可乐的歌剧，展现了其出色的自然度和情感表达。

SuperGrok Heavy 

宣布推出“SuperGrok Heavy”付费等级（每月300美元）。该版本允许用户调用 Grok 4 Heavy，它会像一个“学习小组”一样，并行启动多个智能体（Agents）共同解决复杂问题，通过比较和筛选，最终得出最佳答案。

一些新锐 Bench Mark

在 ARC-AGI (之前奥特曼介绍的)榜单中，Grok 4 在 v1 中超过 o3，在 v2 中两倍于 o3。(注意，比不上 o3-pro)

我之前还写了一份有关 ARC-AGI 的介绍

另一个榜单是商业场景模拟：“自动售货机基准测试”（Vending-Bench）。在这个测试中，AI 需要管理库存、联系供应商、设定价格等。

结果显示，Grok 4 的表现远超其他前沿模型，其创造的净值是第二名（Claude Opus 4）的两倍以上，展现了其在复杂、长周期任务中的战略规划和执行能力。

未来展望与路线图 (45:32 - 50:20)

公布未来产品路线图：

• • 八月：推出专用的编码模型。
• • 九月：推出多模态智能体。
• • 十月：推出视频生成模型。

预测：AI 将在今年晚些时候或明年发现真正有用的新技术，甚至可能在 1-2 年内发现新的物理学原理。

总结与结语 (50:20 - 53:35)

发布会以强调 AI 安全最重要的是“最大限度地寻求真理”作为核心思想。我们正处在“智能大爆炸”的开端，这是历史上最激动人心的时刻。

最后以《银河系漫游指南》中的经典名句“再会，谢谢所有的鱼”（So long, and thanks for all the fish）结束。