在科技界的万众瞩目下，xAI公司今日正式揭晓了其酝酿已久的下一代大型模型——Grok 4。这一发布不仅吸引了众多科技爱好者的关注，就连科技巨头马斯克也亲自现身直播间，为Grok 4站台。
马斯克在直播中直言不讳地称赞Grok 4为“世界上最好的AI”，并展示了其惊人的能力。据他透露，Grok 4能在SAT考试（美国高考）中轻松获得满分，无需预览题目便能接近GRE任何学科的满分线，这一表现超越了全球所有研究生的水平。更令人震惊的是，Grok 4的推理能力已超越人类，马斯克甚至预言，它将在今年内实现科学新发现。
Grok 4之所以能取得如此显著的进步，得益于计算能力的增强和强化学习的训练。与前代相比，Grok 4的推理能力提升了10倍。从Grok 2到Grok 4，技术范式经历了从下一个token预测到预训练计算，再到预训练结合强化学习，最终以强化学习为核心的转变。特别是在Grok 3到Grok 4的跨越中，预训练阶段的计算量提升了10倍，并首次引入了强化学习微调，带来了深度推理能力。
Grok 4在调用工具能力上的提升也进一步放大了其智慧，使其能在各类高难度基准测试中取得远超当前最优模型（SOTA）的成绩。在HLE（Humanities Last Exam，人类最后的考试）基准测试中，Grok 4在使用工具的情况下，成绩远超其他SOTA模型，达到了前所未有的高度。特别是在给予更多思考时间和使用更多外部工具的情况下，其分数还能进一步提升。
除了HLE，Grok 4在其他基准测试中也表现出色，包括GPQA（研究生级别的Google验证问答基准测试）、AIME25（美国数学竞赛邀请赛）、LCB（编程竞赛/在线算法竞赛）、HMMT25（高中生团队数学竞赛）和USAMO25（美国顶级高中生数学竞赛）等。在这些测试中，Grok 4 Heavy均取得了最新的SOTA成绩，展示了其在各学科的全面实力。
马斯克在直播中多次强调，Grok 4现在在所有学科上都达到了博士后水平，没有发现新科学或新的物理定律只是时间问题。他甚至表示，如果Grok 4在今年内没有发现实用的新科学技术，他会感到意外。
在性能评估方面，大模型性能评估平台Artificial Analysis的全套基准测试成绩也证明了Grok 4的领先地位。其总成绩达到了73分，领先于其他知名模型如o3、Gemini 2.5 Pro、Claude 4 Opus和DeepSeek R1 0528等。
为了直观展示Grok 4的能力，xAI还分享了一些demo。例如，Grok 4能够基于物理原理生成HTML动画，模拟两个黑洞碰撞并产生引力波的可视化效果。这一动画不仅展示了引力波的模拟效果，还附带了推理过程和计算步骤的代码链接。
Grok 4在语音能力上也得到了加强。与上代相比，其语音速度快了2倍，端到端延迟更低，并支持5种语音。单日用户总停留时长也提升了10倍。同时，Grok 4还新增了Eve和Sal两个角色，其中Sal支持多种性格设定，Eve则具备唱歌和低语的功能。
在AGI（通用人工智能）领域的基准测试ARC-AGI中，Grok 4同样取得了最新SOTA成绩。这一测试旨在评估模型解决未见新问题的能力，被视为通向AGI的重要试金石。Grok 4在ARC-AGI-2上的表现几乎将之前的商业SOTA翻了一番，并超越了当前的Kaggle竞赛SOTA。
最后，在Vending-Bench基准测试中，Grok 4也展现了其在真实物理世界中执行复杂操作任务的能力。这一测试专注于解决仿真环境与现实世界之间的鸿沟，推动机器人技术在开放场景中的实际应用。
目前，Grok 4已通过API开放使用，提供256K tokens的上下文窗口。其付费模式分为年付和月付两种，价格相对昂贵。但考虑到其强大的能力和广泛的应用前景，这一价格或许并不令人意外。
