xAI 發(fā)布 Grok 4

"它具備超人級別的推理能力！"， Grok 4 現(xiàn)在是領先的 AI 模型。

以下是 你需要了解的全部信息：

馬斯克聲稱 Grok 4 在所有學科領域都比幾乎所有研究生更聰明。訓練量是 Grok 2 的 100 倍。強化學習計算量是市面上任何模型的 10 倍。

在人類終極考試中的表現(xiàn)

馬斯克："Grok 4 在各個領域都達到了博士后水平！"

HLE 擴展規(guī)律 - 更多訓練計算，更高智能水平。(不使用工具)

通過原生工具調用功能，Grok 4 的性能顯著提升。

看這些曲線圖！為 AI 配備合適的工具至關重要。

擴展效果一目了然。太瘋狂了！

可靠的信號是強化學習成功的關鍵。數(shù)據(jù)問題仍然是挑戰(zhàn)。

馬斯克："AI 推理能力的終極測試是讓它在現(xiàn)實世界中運行。"

擴展測試時計算能力（Scaling Test-time）

HLE 測試中超過 50% 的純文本問題都被解決了！這些曲線圖越來越夸張。

Grok 4 是單智能體版本。Grok 4 Heavy 是多智能體版本。多智能體系統(tǒng)可不是鬧著玩的！

Grok 4 正在被用來預測今年的世界大賽冠軍。

這些才是推理模型需要接受測試的有趣任務。

要在真實的現(xiàn)實世界事件上驗證能力。

兩個黑洞碰撞的可視化展示。Grok 4 會使用各種參考資料比如論文，閱讀 PDF 文件，推理模擬的細節(jié)，并決定使用什么數(shù)據(jù)。

這個例子展示了 HLE 測試中時間線變化和分數(shù)公告的總結。

真是太酷了！

多模態(tài)性能方面，Grok 4 Heavy 的表現(xiàn)優(yōu)于 Grok 4，但仍需進一步改進。據(jù)團隊表示，這是目前的薄弱環(huán)節(jié)之一。

推理基準測試的性能表現(xiàn)。

在 AIME25 測試中獲得滿分！

相比之前在這些任務上表現(xiàn)最好的模型，進步幅度簡直瘋狂。

模型測試渠道。

通過 SuperGrok Heavy 訂閱層級提供。Super Grok 每月 30 美元，SuperGrok Heavy 每月 300 美元。

還包含語音功能更新！Grok 響應更敏捷，設計更加自然。

- 速度提升 2 倍

- 5 種語音選擇

- 每日用戶使用時長增長 10 倍

ARC-AGI 測試中，Grok 4 在 ARC-AGI v2 (私有測試集) 上突破了 10% 的門檻，達到 15.9%。

這是第二名成績的 2 倍，而第二名正是 Claude Opus 4 模型。

Grok 4 在 Vending Bench 測試中獲得第一名。凈值表現(xiàn)是 Claude Opus 4 的兩倍。

Grok 4 模型可通過 xAI API 使用。25.6 萬 token 上下文窗口。實時數(shù)據(jù)搜索功能。

Grok 4 游戲應用！視頻理解是團隊正在改進的領域，因此這方面能力會持續(xù)提升。

下一步計劃是什么？智能和快速將是重點方向。編程模型也是重要發(fā)力點。更強大的多模態(tài)智能體也即將推出。視頻生成模型也在研發(fā)中。

本文由「AI 范兒」出品

我每天都在更新，如果你覺得這些內容對你有用，

那我們就加個關注、交個朋友。