Grok 4 - 马斯克旗下xAI推出的新一代大模型

发布于 2025-07-10 · Grok 4 是 xAI 推出的最新AI大模型，Grok 4 的推理能力相较于前代提升 10 倍。模型具备卓越的推理能力，能在 SAT、GRE 等高难度考试中接近满分，在多项基准测试中超越其他前沿模型。

Grok 4是什么

Grok 4 是 xAI 推出的 AI 大模型，推理能力比前代提升了 10 倍。SAT、GRE 这类高难度考试，Grok 4 的成绩接近满分，多项基准测试里也超过了其他前沿模型。多模态方面，Grok 4 能理解主观概念，生成代码和可视化内容，语音交互也做了大幅改进。Grok 4 分两个版本：Grok 4 是单代理（single agent）版本，Grok 4 Heavy 是多代理版本（multi agents），四个代理可以同时干活，上下文窗口最高 256k tokens。

Grok 4的主要功能

卓越的推理能力：在 SAT、GRE 等高难度考试中接近满分，这种推理水平已经超出常人。
多模态理解：主观概念能理解，图片也能搜索和分析。
信息整合与摘要：把社交媒体等渠道的信息汇总起来，挑出关键事件，再按时间排序。
代码与可视化生成：给一个科学方向的提示，它能生成复杂动画，比如模拟黑洞碰撞。
语音交互改进：新增五种声音，对话更顺，情感表达也更自然。
复杂任务处理：模拟经营这类复杂任务它做得不错，战略规划和执行能力都比较强。
并行智能体协作：SuperGrok Heavy 版本里，多个智能体可以并行解决复杂问题。

Grok 4的测试表现

官方测试：
- Humanity’s Last Exam：一共 2500 个跨学科专家级问题。Grok 4 Heavy 带工具作答时得分 44.4%，继续优化还能提到 50.7%。
- AIME25（数学竞赛）：Grok 4 Heavy 拿了满分 100%，其他模型被甩在后面。
- GPQA（研究生水平问答）：Grok 4 Heavy 得分 88.9%，Gemini 2.5 Pro 是 86.4%，Claude 4 Opus 是 79.6%，都在它后面。
- HMMT25（高中数学竞赛）：Grok 4 Heavy 得分 96.7%，Gemini 2.5 Pro 只有 82.5%，差距不小。
- USAMO25（美国数学奥赛）：Grok 4 Heavy 得分 61.9%，Gemini DeepThink 是 49.4%，Gemini 2.5 Pro 是 34.5%。
- ARC-AGI（抽象推理）：Grok 4 得分 15.9%，比此前的商业 SOTA 差不多翻了一倍。
- Vending-Bench（模拟经营）：Grok 4 净赚 $4694，Claude Opus 4 是 $2077，人类玩家只有 $844。

第三方测评（大模型性能评估平台 Artificial Analysis 的测试）：
- 人工智能指数：Grok 4 拿到 73 分，超过 OpenAI o3（70 分）和谷歌 Gemini 2.5 Pro（70 分），也超过 Anthropic Claude 4 Opus（64 分）和 DeepSeek R1 0528（68 分）。
- 编码指数和数学指数：这两项 Grok 4 都是第一。
- GPQA Diamond 得分：88%，创下历史新高，Gemini 2.5 Pro 是 84%。
- Humanity’s Last Exam 得分：24%，同样是历史新高，Gemini 2.5 Pro 是 21%。
- 速度：Grok 4 是 75 token/秒，比 o3（188 token/秒）和 Gemini 2.5 Pro（142 token/秒）慢，但比 Claude 4 Opus Thinking（66 token/秒）快。