OpenAI最强对手出现！马斯克发布Grok-4，性能碾压Claude 4两倍！ 精华

就在半小时前，马斯克的Grok4终于正式发布了。

Grok3.5跳票。老马的直播还迟到1h也是没谁了，全世界都被耍猴。

最贵版本，300美刀，可以思考大几十分钟，一般人也用不上。

直播表示，Grok-4“能够进行超人级别的推理”（It can reason at a superhuman level!），并且在多项高难度基准测试上实现了对现有顶尖模型的碾压。

Artificial Analysis 获得早期访问权限并发布了 Grok 4 基准测试，数据着实恐怖。

今天的循环回到了XAI~

比所有研究生都聪明

马斯克表示：“Grok-4几乎在所有学科上都比人类研究生更聪明。”

继续延续上一代的阔气：

• Grok-4的训练量是Grok 2的100倍。
• 在强化学习（RL）阶段投入的算力，是市面上其他任何模型的10倍以上。

xAI认为，可靠的信号是强化学习成功的关键，而他们已经找到了让模型在智能上实现巨大飞跃的路径。

横扫顶级推理基准，完胜Claude 4

Grok-4在多个被认为是衡量模型推理能力“天花板”的基准上，交出了一份近乎完美的答卷。

• AIME数学竞赛满分：在AIME25数学竞赛上，Grok-4拿下了满分！这是对模型逻辑推理和数学能力的终极考验。但是图画的很漂亮，满分是调用工具的结果，o3+工具也接近满分。
• ARC-AGI基准翻倍：在私有的AGI能力测试集ARC-AGI v2上，Grok-4成为了首个突破10%门槛的模型，得分高达15.9%，是第二名Claude Opus 4的两倍还多。
• Vending Bench夺魁：在另一个衡量复杂任务解决能力的Vending Bench上，Grok-4同样取得第一，净值是Claude Opus 4的两倍。

马斯克：“AI的终极推理测试，是在现实世界中运行。而这些数据表明，Grok-4正朝着解决真实、复杂问题的通用智能体方向大步迈进。”

更强的Agent能力与未来规划

• 原生工具调用：Grok-4具备了原生的工具调用能力，这使其Agent形态的性能得到显著提升。
• API与上下文：模型将通过xAI API提供，拥有256K的上下文窗口，并支持实时数据搜索。
• 多模态能力：除了文本，Grok-4在语音和视频理解方面也进行了重点改进，语音交互速度提升2倍，为构建更强大的多模态智能体铺平了道路。

关于下一步，xAI的目标非常明确：更快、更智能。编程（Coding）和更强大的多模态Agent将是接下来的核心焦点。

网友初步实测

天气卡片是简陋的。

写文是低能的。

做题对了~

本文转载自​​​​探索AGI​​​​，作者：猕猴桃