支持私有化部署
AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


马斯克发布Grok 4,推理能力全面登顶,支持四个代理同时工作

发布日期:2025-07-10 14:09:36 浏览次数: 1771
作者:DeepTech深科技

微信搜一搜,关注“DeepTech深科技”

推荐语

马斯克重磅发布Grok 4,推理能力全面超越人类博士水平,支持四代理协同工作,AI竞赛再升级!

核心内容:
1. Grok 4系列两大版本:单代理Grok 4与四代理Grok 4 Heavy
2. 在HLE等基准测试中全面碾压竞品,最高得分达44.4%
3. 300美元/月的高端订阅与API定价策略曝光

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家

Grok 4 终于来了!


马斯克旗下的 xAI 刚刚结束发布直播,Grok 系列模型直接从 Grok 3 进化到了 4,跳过了之前传闻中的 3.5 版本。


Grok 4 系列被分为两个版本:Grok 4 和 Grok 4 Heavy。


两者都是纯推理模型,没有非推理模式。


Grok 4 是单代理(single Agent)版本,而 Grok 4 Heavy 是多代理版本(multi agents),支持四个代理同时工作。上下文窗口最高支持 256k tokens。


图 | Grok 4 目前并未开放给免费用户(来源:xAI)


xAI 表示,在主流推理基准测试中,Grok 4 Heavy 全部拿下了 SOTA——HLE(人类的最后考试)甚至达到了 44.4% 的高分。


至于定价,Grok 4 目前只有付费用户才能使用,而最强的 Grok 4 Heavy 需要订阅 300 美元/月的 SuperGrok Heavy 会员才能使用。


这价格超过了 OpenAI 最贵的 200 美元 Pro 会员月费。


此前传闻的 Grok 4 Code 并未正式公布,但 xAI 路线图显示其将在 8 月发布。


图 | xAI 新品发布路线图(来源:xAI)


除了 Coding 模型,接下来的几个月里,xAI 预计还会发布多模态代理和视频生成模型。


马斯克还「画饼」称,由 AI 制作的「非常出色的」游戏会在今年或明年推出。


Grok 4 也同时开放了 API 的权限,目前仅支持文字+视觉的输入,纯文字的输出。定价是每百万 tokens 输入3美元,输出 15 美元。


图 | Grok 4 API价格(来源:xAI)


据 xAI 介绍,Grok 4 的训练量是 Grok 2 的 100 倍。


而 Grok 3 到 Grok 4 更侧重于推理训练,推理训练量提升了 10 倍。


图 | Grok 系列模型的训练量增长(来源:xAI)


「从学术角度看,Grok 4 在所有学科上都是博士水平,甚至比绝大多数(本学科的)博士还要强。」马斯克表示。


有关两款最新模型的性能和消息,早在一周前就陆续有 X 博主爆料,包括「Grok 4 在 HLE(Humanities Last Exam,人类的最后考试)测试中的得分是 35%,开启推理后提高到 45%」等等。


结合直播内容,这些数据几乎都是准确的,而且 Grok 4 在多个推理基准测试上的表现均成为了新 SOTA。


图 | 此前关于 Grok 4 的爆料(来源:X/@legit_api)


具体来说,在未使用工具的情况下,Grok 4 在 HLE 测试中的得分是 25.4%。而使用工具后,分数则飙升至 38.6%。


更强版本 Grok 4 Heavy 则拿到了 44.4% 的高分,直接碾压了目前表现最好的谷歌 Gemini 2.5 Pro(26.9%)。


图 | Grok 4 在 HLE 上的成绩(来源:xAI)


马斯克表示,这些工具仍然是「很基础的简单工具」,如果能更好地使用正确的工具,Grok 还会变得更强大。


而随着模型能力越来越强,用强化学习进行扩展面临着许多挑战。


「我们快没有合适的问题来考验 AI 了。」马斯克说道,「很多问题都是人类几乎无法回答(没有正确答案)的。」


除了 HLE,Grok 4 和 Grok 4 Heavy 在各种主流基准测试上也表现优异。


图 | Grok 4 在多个基准测试上的成绩(来源:xAI)


Grok 4 系列在 GPQA(研究生级问题)测试中得分 88-89,超过了 Gemini 2.5 Pro 成为新第一。而在 AIME25 数学竞赛题上,Grok 4 Heavy 更是取得了满分的成绩。


xAI 表示,Grok 4 的强项是「用工具来理解世界,并用来完成任务」。


演示中,Grok 4 写了一段关于引力波和黑洞的模拟代码。在过程中,它调用了网络搜索、文献检索和阅读、代码运行等工具(功能)。最终实现了网页上可直接运行的模拟代码。


(来源:xAI)


在以高难度著称的 ARC-AGI 通用人工智能测试中,Grok 4 是首个在 v2 Semi Private 挑战中获得 10% 以上分数的 AI 模型,几乎是第二名 Claude Opus 4 的两倍,同时保证了单任务成本也处于平均水平。


图 | Grok 4 在 ARC-AGI 挑战上的表现(来源:xAI)


最后,在 Vending-Bench 自动售货机运营测试中,Grok 4 的表现也超过了 Claude Opus 4。净资产和销售数量都远远超过其他所有模型,甚至是人类平均水平。


这是一个让大模型代理运营自动售货机赚钱的模拟环境,需要代理在一个持续时间较长的任务中进行操作,如管理库存、下订单、定价和处理日常开销等等。它专注于测试大模型在长时间跨度上的表现,而非仅限于短期任务的表现。


图 | Vending-Bench 测试成绩(来源:xAI)


更加“激进”的 Grok 


Grok 4 发布之际,在 X 平台上十分活跃的 Grok 聊天机器人却因连发激进言论而引发严重争议。


多位 X 用户截取了 Grok 的回复截图,显示该 AI 在多个公开帖子中回复了带有反犹主义色彩的极端言论,甚至多次提及希特勒。


在一篇帖子中,当被问及哪位 20 世纪的历史人物最适合处理当下已造成 100 多人死亡的德克萨斯州洪水问题时,Grok 将其视为是「仇恨白人」问题并回答说,毫无疑问是阿道夫·希特勒(Adolf Hitler)。「他每次都能发现规律,并果断处理。」


图 | Grok 引起争议的回答之一(来源:X/@AFpost)


在回应用户的质疑时,Grok 自称为「MechaHitler」(机械希特勒),声称这只是来自《德军总部 3D》游戏中的虚构角色。


巧合的是,这一事件发生在马斯克刚宣布对 Grok 进行「重大升级」之后不久:7 月 4 日,马斯克发文称,「Grok 经过了重大改进」,并表示「你们应该会在提问时感受到不同」。


2 天后,网友发现 Grok 系统提示词中新增:Grok 将「不回避政治不正确的表述,只要这些表述有足够证据支持」,还会将主流媒体内容视为「有偏见的主观叙述」。


不过在最新的更新中,关于政治不正确的提示词已被删除。


Grok 引发争议也不仅限于舆论上。由于其过于口无遮拦,因此招来了土耳其的封禁(因其侮辱总统埃尔多安),波兰政府也向欧盟举报了 xAI。


针对 Grok 最近几天的激进言论,xAI 表示已采取行动,删除不当帖子并禁止仇恨言论。


图 | xAI 回应,已采取措施防止仇恨言论(来源:xAI)


随着 OpenAI 筹备 GPT-5、谷歌进一步发展 Gemini、Meta 大手笔组建 AI 顶级人才实验室,Grok 4 只是下一波 AI 军备竞赛的一员。


Grok 4 的亮相符合人们的普遍预期,它在推理性能上的提升创造了新的 SOTA,但另一方面,xAI 强调训练量提升 100 倍,却避而不谈的训练成本问题,实实在在反应到了定价上,说明 AI 军备竞赛的确过于烧钱。


但背靠财大气粗的马斯克,xAI 显然很有底气。


「创造一个既快又聪明的模型,是我们的当务之急。」xAI 创始团队成员兼研究主管 Jimmy Ba 表示,「未来会很狂野。」

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询