xAI 发布 Grok 4，它具备超人级别的推理能力！

xAI 发布 Grok 4

"它具备超人级别的推理能力！"， Grok 4 现在是领先的 AI 模型。

以下是 你需要了解的全部信息：

马斯克声称 Grok 4 在所有学科领域都比几乎所有研究生更聪明。训练量是 Grok 2 的 100 倍。强化学习计算量是市面上任何模型的 10 倍。

在人类终极考试中的表现

马斯克："Grok 4 在各个领域都达到了博士后水平！"

HLE 扩展规律 - 更多训练计算，更高智能水平。(不使用工具)

通过原生工具调用功能，Grok 4 的性能显著提升。

看这些曲线图！为 AI 配备合适的工具至关重要。

扩展效果一目了然。太疯狂了！

可靠的信号是强化学习成功的关键。数据问题仍然是挑战。

马斯克："AI 推理能力的终极测试是让它在现实世界中运行。"

扩展测试时计算能力（Scaling Test-time）

HLE 测试中超过 50% 的纯文本问题都被解决了！这些曲线图越来越夸张。

Grok 4 是单智能体版本。Grok 4 Heavy 是多智能体版本。多智能体系统可不是闹着玩的！

Grok 4 正在被用来预测今年的世界大赛冠军。

这些才是推理模型需要接受测试的有趣任务。

要在真实的现实世界事件上验证能力。

两个黑洞碰撞的可视化展示。Grok 4 会使用各种参考资料比如论文，阅读 PDF 文件，推理模拟的细节，并决定使用什么数据。

这个例子展示了 HLE 测试中时间线变化和分数公告的总结。

真是太酷了！

多模态性能方面，Grok 4 Heavy 的表现优于 Grok 4，但仍需进一步改进。据团队表示，这是目前的薄弱环节之一。

推理基准测试的性能表现。

在 AIME25 测试中获得满分！

相比之前在这些任务上表现最好的模型，进步幅度简直疯狂。

模型测试渠道。

通过 SuperGrok Heavy 订阅层级提供。Super Grok 每月 30 美元，SuperGrok Heavy 每月 300 美元。

还包含语音功能更新！Grok 响应更敏捷，设计更加自然。

- 速度提升 2 倍

- 5 种语音选择

- 每日用户使用时长增长 10 倍

ARC-AGI 测试中，Grok 4 在 ARC-AGI v2 (私有测试集) 上突破了 10% 的门槛，达到 15.9%。

这是第二名成绩的 2 倍，而第二名正是 Claude Opus 4 模型。

Grok 4 在 Vending Bench 测试中获得第一名。净值表现是 Claude Opus 4 的两倍。

Grok 4 模型可通过 xAI API 使用。25.6 万 token 上下文窗口。实时数据搜索功能。

Grok 4 游戏应用！视频理解是团队正在改进的领域，因此这方面能力会持续提升。

下一步计划是什么？智能和快速将是重点方向。编程模型也是重要发力点。更强大的多模态智能体也即将推出。视频生成模型也在研发中。

本文由「AI 范儿」出品

我每天都在更新，如果你觉得这些内容对你有用，

那我们就加个关注、交个朋友。