就在半小時前，馬斯克的Grok4終于正式發布了。

Grok3.5跳票。老馬的直播還遲到1h也是沒誰了，全世界都被耍猴。

最貴版本，300美刀，可以思考大幾十分鐘，一般人也用不上。

直播表示，Grok-4“能夠進行超人級別的推理”（It can reason at a superhuman level!），并且在多項高難度基準測試上實現了對現有頂尖模型的碾壓。

Artificial Analysis 獲得早期訪問權限并發布了 Grok 4 基準測試，數據著實恐怖。

今天的循環回到了XAI~

比所有研究生都聰明

馬斯克表示：“Grok-4幾乎在所有學科上都比人類研究生更聰明。”

繼續延續上一代的闊氣：

• Grok-4的訓練量是Grok 2的100倍。
• 在強化學習（RL）階段投入的算力，是市面上其他任何模型的10倍以上。

xAI認為，可靠的信號是強化學習成功的關鍵，而他們已經找到了讓模型在智能上實現巨大飛躍的路徑。

橫掃頂級推理基準，完勝Claude 4

Grok-4在多個被認為是衡量模型推理能力“天花板”的基準上，交出了一份近乎完美的答卷。

• AIME數學競賽滿分：在AIME25數學競賽上，Grok-4拿下了滿分！這是對模型邏輯推理和數學能力的終極考驗。但是圖畫的很漂亮，滿分是調用工具的結果，o3+工具也接近滿分。
• ARC-AGI基準翻倍：在私有的AGI能力測試集ARC-AGI v2上，Grok-4成為了首個突破10%門檻的模型，得分高達15.9%，是第二名Claude Opus 4的兩倍還多。
• Vending Bench奪魁：在另一個衡量復雜任務解決能力的Vending Bench上，Grok-4同樣取得第一，凈值是Claude Opus 4的兩倍。

馬斯克：“AI的終極推理測試，是在現實世界中運行。而這些數據表明，Grok-4正朝著解決真實、復雜問題的通用智能體方向大步邁進。”

更強的Agent能力與未來規劃

• 原生工具調用：Grok-4具備了原生的工具調用能力，這使其Agent形態的性能得到顯著提升。
• API與上下文：模型將通過xAI API提供，擁有256K的上下文窗口，并支持實時數據搜索。
• 多模態能力：除了文本，Grok-4在語音和視頻理解方面也進行了重點改進，語音交互速度提升2倍，為構建更強大的多模態智能體鋪平了道路。

關于下一步，xAI的目標非常明確：更快、更智能。編程（Coding）和更強大的多模態Agent將是接下來的核心焦點。

網友初步實測

天氣卡片是簡陋的。

寫文是低能的。

做題對了~

本文轉載自????探索AGI????，作者：獼猴桃