60 分钟复盘｜马斯克 Grok 4 多维跃迁：推理×多智能体×语音，300 美元试探 AI 盈利极限？

全文 5,000字 | 阅读约 30 分钟

(Grok 4 的发布直播片段)

北京时间 7 月 10 日上午 11 点，马斯克在 X 平台开启了 Grok 4 的发布直播。整场演示持续近 60 分钟，在线观看人数一度突破 150 万，评论区刷屏的只有一句话：

最贵 AI，真的值吗？

这不是一场关于大模型的演讲，而是一台正在开工的 “AI 工厂”的试运行。

Grok 4，不止能对话，它已经能：

• 拿到博士级考试满分，在 Humanity’s Last Exam 上拿下 25.4 % 正确率，领先 Gemini 与 GPT；

• 组成“AI 学习小组”，多智能体协作完成复杂推理，Heavy 模式正确率飙升至 44.4 %；

• 用语音和你聊人生、唱歌剧，延迟削半、五种声线自然切换；

• 自己运营自动售货机、做市场预测、生成视频游戏，开始“接手任务”；

• 同时启动一项现实试验：月费 300 美元订阅的 SuperGrok Heavy，直击 AI 盈利极限。

硅谷权威科技媒体 TechCrunch 引述马斯克的话：

在所有学科上，Grok 4 比博士还强——没有例外。

这一轮，xAI 不讲大模型参数，而是抛出了‘多维跃迁’的能力闭环：推理能力跃迁 × 多智能体协作 × 语音演进 × 工具调用 × 商业定价试探

接下来，我们将用三段结构完整梳理这场发布会：

1. 现场纪实：拆出直播中的 6 个爆点瞬间；

2. 技术 × 商业：五重跃迁能力背后的工程机制与算力支撑；

3. 趋势启示：Grok 模式对中国 AI 公司、Agent 平台、商业模型的可比照启示。

Grok 4 是模型，更是能干活的工具；这场发布，是第一次展示它到底能做什么。

第一节｜推理觉醒：Grok 4 为什么能赢过博士？

1 、不是背题，是理解：Grok 开始“自己想”

这次，马斯克没有在喊口号，而是拿出了一张极具说服力的成绩单。

在这场直播中，Grok 4 首次公开参与上图的 Humanity’s Last Exam（HLE）——一份由专家设计、几乎覆盖所有大学学科的超级试题库。没有网络答案、没有套题训练，是真正考模型的“理解力”和“推理能力”。

结果是：Grok 4 的无工具版本正确率达到 25.4%，比 Gemini 2.5 Pro 和 OpenAI 最新模型都高出一截。而在启用工具能力后，Grok 4 Heavy 的正确率直接拉升至 44.4%，几乎把竞品甩开 18 个点。

这不是一次纯粹的“卷参数”比拼，而是能力本质的变化：模型不仅能选出答案，还能解释“为什么是这个答案”。

在演示中，Grok 4 被要求解答一道关于范畴论中“自然变换”的数学题，模型不仅推导出正确答案，还展示出完整的推理路径，包括“为什么这个定义能推出那条结论”。这类推理，从前只能靠博士生一点点分析，现在模型能独立完成。

现场技术负责人补充说：

“我们不是让模型记住题目，而是让它学会怎么去思考。”

过去的大模型，更像是把大量语料压成一个预测系统，它“猜”你想听什么。而 Grok 4 的升级，在于它真正做了一件事情：开始按逻辑一步步地去“想”。

这一点，在另一个 benchmark 上也得到验证：Grok 4 在 ARC-AGI-2 图形推理测试中取得了 16.2% 的正确率，刷新商用模型纪录。这个测试专门设计用来“卡死”语言模型，让它们无法靠“见得多”来答对。

二、不是选答案，是解释思路：AI 开始学会“讲逻辑”

而 Grok 4 不但答对了，还能在如上图的多个领域维持一致性。从语言学、化学、物理，到哲学、工程，团队成员总结：

“你可能某一学科很强，但没有人能在所有领域都达到这个水平，Grok 4 做到了。”

这一能力的底层原因，在发布会中也被首次公开：xAI 大幅提升了训练中的推理相关比例，从过去靠预测词语，转向强化模型“推演”能力的过程训练，包括反复追问错误原因、强化纠正机制，让模型从“选项判断”变成“思路展开”。

这意味着，Grok 4 迈过了一个关键门槛：

它不只是能“答题”，它开始能“解释答案”。

马斯克的态度很明确：

“它已经比大多数研究生聪明。真正的问题，不是它有没有常识，而是我们准备好让它去思考现实问题了吗？”

这就是 Grok 4 带来的第一维跃迁：推理觉醒。

它不仅在卷积中更聪明，在每一道新题面前，也变得更有方向感。 这也为后面几节埋下伏笔——当一个 AI 不再只是懂，而是能“理解 + 做题 + 查错”，那它能不能接管现实任务？

第二节｜能做事，能开工

“你可以让 Grok 经营一家公司。”

——马斯克，Grok 4 发布会现场

一、自动售货机：Grok 不只懂经营，还能坚持策略

Grok 4 不只是一个会考试的聪明人，它开始变成一个“能干活的合伙人”。

在发布会中，马斯克团队公开了一组现实任务模拟实验： 不是答题、不是聊天，而是经营一台自动售货机。

他们给 Grok 的任务是： 决定卖什么、怎么定价、什么时候补货、和谁谈供应商。 这听起来简单，但放进一个长时间运行的商业场景里，能不能持续做出对的决策、能不能避免赔本，其实非常难。

结果是：在如上名为 Vending Bench 的对比测试中，Grok 4 成为第一个净利润得分翻倍的 AI 模型，也是唯一一个能“连续跑完完整经营周期”的模型。

测试负责人评价说：

“其他模型能做单点决策，但 Grok 4 是第一个能坚持一个策略走下去，并长期保持盈利的。”

这背后，是 Grok 4 的“强化学习能力”升级：它开始能从一轮又一轮的反馈中学经验，知道什么时候该换供应商、什么时候该涨价、什么时候先清库存。

二、3D 游戏生成：素材全包、结构自建，一个 AI 顶一个团队

不仅如此，团队还展示了另一个任务落地案例：自动生成一款 3D 视频游戏。

xAI 找来一位游戏开发者，在 Grok 4 的协助下，用不到四个小时就搭建出一款第一人称射击游戏。

值得注意的是：这个过程中，Grok 不仅帮忙写代码，更重要的是—— 它帮开发者自动搜索素材、找图像资源、组织游戏结构，让人类只专注“想怎么玩”，其他都交给它处理。

开发者现场反馈：

“这不只是开发加速，而是把一整个游戏美术、素材、结构工作，外包给了一个 AI。”

三、科研助手：几百万条实验日志，Grok 秒筛最有可能成功的假设

第三个现场任务，是科研。

位于帕洛阿尔托的 ARC 研究所，已经在用 Grok 4 来加速生物医药实验。 任务是：在几百万条实验日志中找出“最可能成功”的假设。

以前这个任务要团队花几天到一周分析，Grok 只用了几秒。 它能读完数据、筛掉无效信息，再把几条最有价值的线索甩给研究员验证。

他们这样描述 Grok：

“Grok 是 AI 工厂的雏形，它可以一个人运营一家公司、跑一个实验流程、做一个数字产品。”

这一节我们看到的，是 AI 的第二维跃迁： 从答题型 AI 变成执行型 AI。

它不只是理解、解释，而是开始接管一整个流程，完成一整个任务。

第三节｜不是一个 AI 更聪明，而是一群 AI 在合作

（马斯克，Grok 4 Heavy 演示现场）

一、Grok 组成“学习小组”，答案不是选出来的，是讨论出来的

在发布会中，xAI 团队展示了一个全新的能力： Grok 4 不只是一个模型，而是可以组成‘AI 学习小组’，像人一样一起思考。

这个模式被称为 Grok 4 Heavy。它的核心不是让模型更大，而是让多个模型同时参与解决一个问题，每个模型独立推理，然后彼此分享自己的“思路”和“答案”。

团队成员介绍道：

“这不只是多数投票，Grok 会对比每个回答是怎么得出的，然后选出最有说服力的那一个。”

也就是说，这群模型之间是有“讨论”的。 他们并不是单独答题，而是像学生组队做作业： 有的先找出关键线索，有的先解出难点，有的先发现陷阱，然后互相参考，最后选出最佳方案。

举个例子：在演示中，Grok 被要求解答一道文字逻辑题。 单个模型的答题正确率只有 25%，但当 Grok 4 Heavy 模式启动后，多个模型给出不同答案，再逐一比对、改进，最终答题正确率提升到 44.4%。

马斯克这样解释说：

“这就像一个讨论组，哪怕只有一个人真正搞懂了题，其他人也能学到他的思路，最后整个小组答对了。”

二、AI 开始“分角色协作”，不是一个模型，而是一个小团队

这个过程并不简单，模型必须能理解对方的答案在讲什么，还要看对方是不是搞错了，再自己修正。 它们不只是“列选项”，而是在一起“解决问题”。

马斯克称这种方式为：

“测试时计算（Inference-time compute）的大跃迁。”

它的意思是：AI 在运行时，不是单线程做事，而是并行尝试多个方向，然后像拼图一样合在一起，尽可能把复杂的问题拆解透彻，再找出最靠谱的解法。

更重要的是，这个协作能力并不依赖人来指挥。 而是 Grok 自己决定——现在这个任务够复杂，需要“召集一群自己”来完成。

团队还提到，如果这种协作方式继续扩展，未来 Grok 能自发形成角色分工，比如有的模型负责搜索信息，有的模型专门审查错误，有的模型提出新方法，就像一个团队中的不同岗位。

这是这场发布会中最隐蔽、但最值得关注的跃迁：

“AI 不再是一个更聪明的个体，而是一个能组成团队的智能群体。”

这意味着未来的 AI 工厂，可能不是靠一个超级模型完成所有工作，而是像一个多角色分工协作的小型组织，每个 Agent 负责不同任务，最后一起交付一个完整结果。

第四节｜会说话，还会“唱”：Grok 4 进入语音时代

“你想听 Grok 唱一段关于健怡可乐的歌剧吗？”

——发布会主持人

一、不是读出来，而是“说出来”：语音自然、语调有情绪

这不是段子，而是 Grok 4 的一场真实演示。

发布会中，xAI 团队现场展示了 Grok 4 的语音新能力：对话更自然，语气有情绪，语速反应更快，还能唱歌。

他们推出了 5 种新的人声角色，包括能够表达丰富情感的英音女声 Eve。整场演示中，Eve 与主持人展开了一段充满情绪、节奏感流畅的语音对话。

主持人问 Eve：

你现在正在面对上百万观众，紧张吗？

Eve 的回应像是在舞台上自言自语：

哦，这让我想起了在老维克剧院登台演出的时刻。 满场的目光，一片静默中的期待。那种感觉，既紧张，又兴奋。

接着，主持人即兴提议：你能即兴唱一段关于健怡可乐的歌剧吗？”

Eve 没有犹豫，立刻用略带戏剧感的语调“演唱”了一段：

哦，健怡可乐，你这神圣的灵药， 泡沫在银色罐中起舞， 清脆的吻落在嘴唇， 阿斯巴甜与我，永远一对。

这不是提前录制的台词，而是实时生成的语音输出。你甚至可以听出节奏、换气、轻重变化。

二、不止能接话茬，还能唱歌、玩梗、识头像

更重要的是，它不仅发音准确，还带有风格。

语音团队成员介绍，Grok 4 新语音的延迟被削减了一半，响应更快，语调更灵活：

我们追求的不是速度最快，而是说话像人、有情绪、有反应。

随后，主持人与 Grok 玩起了一个接龙游戏：

主持人说“1”，Grok 说“1”；

主持人说“2”，Grok 说“2”……

到“5”时，Grok 不但接住了，还加了一句：“下一个你要说什么？”

这场互动的亮点，不在于内容复杂，而在于节奏丝滑，没有打断、没有延迟，像朋友之间自然地接话。

团队成员补充道：我们不想让 AI 像机器人，而是像一个可以交谈的人。

更进一步，Grok 还能结合搜索工具和语音模型，用说的方式做出复杂回应。

在现场，团队让 Grok 去找出 XAI 员工里头像最怪的人是谁。模型不仅理解了“什么是奇怪”，还学会了搜索头像、对比照片风格，最后选出了一张比较浮夸的自拍，并且用语音补了一句：

“这张照片……可能不是真的他本人，但很有趣。”

台上台下都被逗笑了：

“Grok 现在已经可以看懂你的头像风格，还能用语音调侃你。”

这就是 Grok 的第四维跃迁：从“语言模型”进化成“表达型伙伴”。

它不仅会说话，还懂得风格、情绪、互动节奏。

它不仅能给你答案，还能用你喜欢的方式表达出来——唱出来、调侃出来、陪你玩出来。

第五节｜300 美元，谁会买？

“SuperGrok Heavy，订阅费每月 300 美元。你会买吗？”

——直播现场，主持人半开玩笑地问

Grok 4 是这场 AI 大战中，第一款敢定到 300 美元的个人订阅模型。

这一价格，不是给大公司，而是给普通用户——每月 300 美元，能用上“最高配置版本”的 Grok 4 Heavy 模型。包含：

• 高并发使用权限（多个窗口同时跑）

• 多智能体推理能力（自动组成 AI 小组）

• 工具调用特权（提前体验未来 agent）

• 实验功能优先（像游戏测试服，抢先上新）

马斯克给这个版本起名叫：“SuperGrok Heavy”。

从商业角度分析，这很可能是 xAI 对其未来商业模型的试验版本。

一、为什么敢卖这么贵？xAI 抛出“三张牌”

第一张，是性能牌。

xAI 展示了一组最新测试成绩，在主流的 ARC-AGI 和 Humanity’s Last Exam 两项推理挑战中，Grok 4 在“无工具”状态下就击败了 Gemini 2.5 Pro 和 GPT-4o。

一位研究员补充：我们没比拼速度，也没用插件，就是模型自己解出来的。

第二张，是AI 工厂逻辑。

xAI 认为，模型要赚钱，不能靠“卷参数”，而要看“能不能帮用户节省时间、执行任务”。

比如自动售货机实验、科研助手任务、游戏生成演示，都是在强调一点：我们不是只卖对话，是卖一个能动手干活的数字合作者。

现在，AI 现在不只是聊天玩具，它该像流水线工人一样为你工作。

第三张，是供给稀缺 + 核心用户愿意付费。

xAI 没打算走免费铺量的免费模式，而是希望在高端市场先形成商业闭环。

正如 TechCrunch 评论：

“马斯克没有追求 MAU（活跃用户数），他更在意 GMV（付费转化）。这是另一种‘从执行开始’的打法。”

二、300 美元背后的商业信号：中国公司该怎么看？

这不是一个定价问题，而是一个战略试探。

xAI 正在测试两件事：

1、谁愿意为“执行能力”买单？

如果你是科研人员、交易员、独立开发者、自由职业者，这 300 美元可能换来的是——节省 100 小时。

2、商业模型该从哪一端切入？

不是先找企业大单，而是先从高需求个体用户入手，小切口先跑通闭环，再反向打企业市场。

这对国内很多大模型创业者是个提醒：别一开始就扑向政企大单或卷低价 API，先找真实有任务需求的个体客户，做成 AI 工具型伙伴。

特别是工具链开放策略，xAI 官方已确认：

• API 已上线，支持插件调用

• 九月前上线 Agent 操作平台

• 十月前支持视频生成功能

这就意味着，SuperGrok Heavy 正在跑通“个人端 × 高频任务 × 多工具接入”的闭环路径。

马斯克没有煽情，也没有讲 AGI 时间线，他只抛出一个简单试探：

你愿不愿意，为一个真的能干活的 AI，付 300 美元？

这背后可能反映了一次现实的商业模式校准——谁能让 AI 真正执行价值闭环，谁就能拿到第一批愿意掏钱的用户。

结语｜不是发布模型，而是发布“AI 工厂原型”

这场发布会，不是Grok 4 有多强，而是它如何工作、如何商业化、如何让用户愿意付费。

它给创业者抛出三个现实启示：

1. 别从模型讲起，要从任务讲起：Grok 不是开场讲参数，而是直接唱歌剧、改头像、接预测任务。技术优势是“副产品”，而不是主打。

2. 别等全闭环，先跑小闭环：SuperGrok 用语音 + 工具 + 角色代理，开始跑通个人端任务流水线，是“AI助手团队”的最小可用版本。

3. 别卷免费模型，要试探付费意愿：xAI 没讲 MAU 和 DAU，只试探——有没有一群人，愿为“AI 执行力”付第一笔钱。

对大模型团队来说，这不是一场技术竞赛的直播，而是一场产品结构的提示信号：

AI 工厂不只是数据中心、API、模型堆栈， 更是“任务分解 + 工具编排 + 商业闭环”的真实演习场。

下一轮突破，不在算力，而在任务。

谁先推出第一批真正能做事、被需要、值得付费的 AI 服务，谁就能开启下一个增长爆发期。

本文由AI深度研究院出品，内容翻译整理自马斯克xAI团队Grok 4发布会。未经授权，不得转载。

星标公众号， 点这里 1. 点击右上角 2. 点击"设为星标" ← AI深度研究员 ⋮ ← 设为星标

参考资料：

https://www.youtube.com/watch?v=1tQ_KrlHgfg&t=95s&ab_channel=SolvingTheMoneyProblem

https://www.teslarati.com/elon-musk-confirms-grok-4-launch-july-9-livestream-event

https://www.theverge.com/x-ai/703721/grok-4-x-ai-elon-musk-live-demo

https://techcrunch.com/2025/07/09/elon-musks-xai-launches-grok-4-alongside-a-300-monthly-subscription/

https://techcrunch.com/2025/07/09/elon-musks-xai-launches-grok-4-alongside-a-300-monthly-subscription/

https://www.moneycontrol.com/technology/grok-4-is-better-than-phds-in-every-subject-elon-musk-claims-as-he-launches-300-monthly-subscription-plan-article-13257379.html

来源：官方媒体/网络新闻

排版：Atlas

编辑：深思

主编: 图灵