智东西

作者 | 李水青

编辑 | 心缘

智东西 7 月 10 日报道，今日，马斯克的 AI 公司 xAI 发布其最新旗舰大模型 Grok 4 和多智能体版本 Grok 4 Heavy，并推出史上最贵的每月 300 美元（约合 2153 元人民币）的 AI 订阅计划 Super Grok Heavy。

在 " 人类的最后考试 "（Humanity ’ s Last Exam）中，Grok 4 在无需 " 工具 " 的情况下取得了 25.4% 的准确率，超过了谷歌 Gemini 2.5 Pro 的 21.6% 和 OpenAI o3（高版本）的 21%。

配备 " 工具 " 的 Grok 4 Heavy 获得 44.4% 的得分，优于配备工具的 Gemini 2.5 Pro 的 26.9%。

Grok 4 在 Humanity ’ s Last Exam 测评中取得第一

" 就学术问题而言，Grok 4 在各个学科上都比博士水平高，无一例外。" 马斯克在直播中说，" 有时，它可能缺乏常识，而且它还没有发明新技术或发现新的物理学说，但这只是时间问题。"

埃隆 · 马斯克在直播中发言

xAI 还推出了迄今为止最昂贵的 AI 订阅计划——每月 300 美元的 Super Grok Heavy。订阅者可以抢先体验 Grok 4 Heavy，并抢先体验新功能。这些新功能包括但不限于：将于 8 月推出的 AI 编码模型，9 月推出的多模态智能体，以及 10 月推出的视频生成模型。

每月 300 美元的 Super Grok Heavy 正式推出

直播结束后，马斯克在 X 上发文称：" 你可以将整个源代码文件剪切并粘贴到 Grok 上的查询输入框中，然后 @Grok 4 会帮你解决，比 Cursor 更好用。"

马斯克在社交平台 X 上发言

除此之外，xAI 推出了 Grok 4 API。xAI 的企业部门仅成立两个月，但它计划与超大规模企业合作，通过其云平台提供 Grok。

近几个月来，xAI 不仅拿下 100 亿美元最新融资，还收购了社交平台 X，这也让最新推出的 Grok 4 成为产业的关注焦点。Grok 4 能否成为对打 OpenAI 计预告今夏推出的 GPT-5 的有力对手？让我们来一起先睹为快。

一、Grok 4 测评赶超 OpenAI o3，马斯克：科研能力强过人类博士

马斯克在直播中称，在人文、语言、数学、物理、工程等多个基准测试中，Grok 4 都取得了好成绩。" 有些人认为 AI 不能推理，但 Grok 4 的推理能力可以超越人类水平，比几乎所有学科的研究生同时都聪明。" 马斯克说。

xAI 的研究人员称，Humanity ’ s Last Exam 测试极具挑战性，总共有 2500 个问题，包括数学、自然科学、工程以及所有人文学科，问题广泛且都是博士甚至高级研究水平，Grok 4 在这些问题上可以得到很好的分数。

Grok 4 在无需 " 工具 " 的情况下，在 " 测试中获得了 25.4% 的准确率，超过了谷歌 Gemini 2.5 Pro 的 21.6% 和 OpenAI o3（高版本）的 21%。马斯克称，在学术问题方面，Grok 4 比每个学科的博士水平都要好，现在没有例外。他预测 Grok 4 最快今年就能去发明新技术了，两年之内就能发现新物理学说。

在 GPQA、AIME25、LCB（Jan-May）、HMMT25 等多项测评中，Grok 4 都超越了 OpenAI o3、Gemini 2.5 Pro、Claude 4 Opus 等模型。

而在 ARC-AGI-2 测试中，Grok 4 取得了新的最高得分，得分为 16.2%。ARC-AGI-2 测试是另一项高难度基准测试，包含类似谜题的问题，要求 AI 识别视觉模式。Grok 的得分几乎是排名第二的商业 AI 模型 Claude Opus 4 得分的两倍。

二、训练量级达到 Grok 2 100 倍，Grok 4 将与人形机器人互动

从 Grok2 到 Grok 4，每一次迭代 xAI 都增加了一个数量级的训练，因此 Grok 4 的训练量级达到了 Grok 2 的 100 倍，这使得智力增长非常显著。

这是 xAI 第一次像预训练一样扩大训练规模。基于拥有 10 万块 H100 GPU 的超级算力中心，训练主要包括两种类型：一个是从 Grok 2 到 Grok 3 到的预训练，一个是从 Grok 3 到 Grok 4 在推理中投入了大量的算力。

谈及幕后，如图所示，当投入越来越多的训练算力，模型开始逐渐变得越来越聪明，最终在没有任何工具的情况下，解决了四分之一的 Humanity ’ s Last Exam 测试问题。

接下来研发人员做的是向模型中添加工具功能。与 Grok 3 不同的是，研发人员使其更加本地化，将工具放入训练中，从而显着提高了模型使用这些工具的能力。

马斯克透露，今年晚些时候，Grok 4 还将融合有限元分析、计算流体动力学等更强大的工具进行训练，将打造非常精确的物理模拟器，比如去做提供精确的黑洞模拟等任务。最终，Grok 4 最大的区别在于，其将能够通过人形机器人（如擎天柱）与现实世界互动。

马斯克说，我们正处于智能大爆炸的开端。我们需要确保 AI 是一个好的 AI，安全最重要的事，AI 需要最大限度地寻求真理。你可以把 AI 看作是超级天才的孩子，最终会比你聪明，但你仍然可以灌输正确的价值观并鼓励它长成想要的样子。

除了计算之外，还有一个技术问题是数据瓶颈。研发人员称，在强化学习训练过程中，他们实际上已经没有可用来测试的问题了，已有的问题对 AI 来说正在迅速变得微不足道。

但马斯克称，最能出色判断事物的就是现实。如果物理学是定律，最终其他一切都是建议。你不能打破物理。因此，我认为对于 AI 的最终测试是现实。就像你发明一项新技术，比如改进汽车或火箭，它有效吗？现实才是最终的裁判。所以这将是一个围绕现实的强化学习闭环。

三、现场演示：看论文进行现实模拟，语音模式延迟减少一半

xAI 研究员在直播中演示了 Grok 4 回答问题的能力。

Grok 4 的一大特点是能够理解世界，并通过利用工具来解决难题。比如要求 Grok 4 生成两个黑洞碰撞的可视化图像，它有一些清晰的思考过程，比如，为了让它真正可见，Grok 4 考虑到通过海浪的形式扩放它的规模。从思考过程看，Grok 4 使用了搜索，从一堆链接中收集结果，参考了现有的现实世界数据，而且还阅读了分析引力波模型的本科论文。

除此之外，xAI 还演示了 Grok 4 解答数学问题、创建一个基于 X 个帖子的时间线、查看 Humanity ’ s Last Exam 测试成绩等问题。

在多模态测试方面，Grok 4 分数略有下降。马斯克坦言，Grok 4 的基本弱点是它部分盲目地理解图像生成偏好。Grok 4 的多模态理解能力正在改进，这些问题将在几周内实现改善。

Grok 4 的语音模式也进一步更新，已将延迟减少了一半。Grok 4 今天推出一系列更具自然性和韵律的新声音，API 版本也将发布。

四、推出 Grok 4 企业 API，编程、多模态、视频模型在路上

xAI 的企业部门仅成立两个月，但它正在通过其 API 发布 Grok 4，已有各行业企业通过云平台使用了 Grok 4。

聚焦现实的自动售货机商业场景，xAI 的客户团队采用了大模型管理库存、联系供应商，大多数模型在去进行长线任务时都很困难。但使用了 Grok 4 API 之后，团队获得了令人印象深刻的结果。它设法运行模拟的时间翻了一倍，得分也翻了一倍，前后能保持较强一致性。

聚焦 AI 创作游戏方面，Grok 4 可以在 4 个小时内制作的第一人称射击游戏。制作游戏并不一定是对游戏的核心逻辑进行编码，而是去寻找所有资源、文件素材，以创建一个具有视觉吸引力的游戏。对于开发人员来说，你可以专注于核心开发本身，让 Grok 4 去整理所有资产，自动化完成任务。

未来 Grok 4 将具有出色的视频理解和改进的工具使用能力，例如可以使用虚幻引擎生成艺术品模型，然后创建一个可在 PC 或手机上运行的可执行文件。xAI 预计第一个真正优秀的 AI 视频游戏将在明年出现。

除此之外，马斯克透露，团队目前正在加大力度训练编码模型，在未来几周内将推出一个专业的编码模型。编码任务展现了 Grok 4 的弱点，即多模态能力。就像透过玻璃眯着眼睛看世界，看到所有模糊的特征，并试图感知它。xAI 将在下一代模型中看到的最直接改进是，模型在理解图像和音频方面会能力逐步提高。

在视频模型方面，xAI 将在接下来三到四周开始训练一个新的视频模型，具备出色视频生成和理解能力。

结语：抢发 Grok 4，马斯克对战 GPT-5

Grok 4 在高难度测试中展现的 " 超越博士水平 " 的推理能力，在理解和解决复杂问题方面迈出了关键一步。其通过工具加持实现的新能力，以及雄心勃勃的多模态与视频生成路线图，展现了 xAI 与即将发布的 OpenAI GPT-5 竞赛的决心。

在 To B 端落地，xAI 正加速将 Grok 4 的能力从企业应用到零售、游戏创作等领域。同时，马斯克强调的 " 安全至上 " 与 " 寻求真理 " 的 AI 发展原则，以及对现实世界作为最终测试场的认知，为这场席卷全球的智能爆炸提供了不可或缺的思考维度。