马斯克Grok-4碾压所有大模型！“比所有博士聪明”，AIME25拿满分

明敏 鹭羽 发自 凹非寺
量子位 | 公众号 QbitAI

全世界屏息以待1个小时，马斯克的“世界最强”Grok 4终于发布！

一出手，就在“人类最后考试”上，成为首个突破50%准确率的模型。

得益于在训练中原生融入工具，Grok-4找到刷分法门，Grok-4 Heavy达到44.4%，比Gemini-2.5-Pro直接提升将近18个百分点。

如果测试时训练+融入工具，可直接打到50.7%。

马斯克给了个直观对比：普通人类在这一基准上的得分，可能只有5%。

马斯克直言，Grok-4比所有领域的博士生都聪明！

它即便裸考SAT（不提前看题目）也能拿到几乎完美的分数，GRE考试几乎满分。
……
我估计最晚明年，我们就能看到Grok带来的物理学新发现。

此外在其他基准上，Grok-4也全部刷榜，甚至可以直接满分。

• GPQA（研究生水平问答）上得分88.9%；
• AIME25（美国数学邀请赛）上得分100%；
• LCB（Jan-May）上得分79.4%；
• HMMT25（数学推理）上得分96.7%；
• USAMO25（美国数学奥林匹克竞赛）上得分61.9%。

为了更直观体现Grok-4有多聪明，发布直播了和ChatGPT的语音对话对比，从发布来看Grok-4确实赢得相当明显。

值得一提的，就在发布前夕，OpenAI预热已久的开源推理模型突然有了风声：可能在下周四（美国时间）发布。

Grok-4这边也出了些小插曲，比原定时间推迟1小时发布，让大家好等了一会儿。

有人调侃：再等一等马上就训练好了，然后直接发布！

言归正传，我们来看Grok-4的最新表现。

直播内容

这一次和马斯克一起发布新模型的还是老熟人吴宇怀Yuhuai（Tony） Wu和Jimmy Ba。

吴宇怀Yuhuai（Tony） Wu，斯坦福大学博士后，博士毕业于多伦多大学。

Jimmy Ba，2023年斯隆奖得主，Hinton手下的助理教授，本科到博士都在多伦多大学。

他们俩主要负责介绍模型具体性能。

一开场，马斯克先对Grok-4的亮点表现做了一些概括性介绍，比如比博士生还聪明，“这一点值得反复强调”。

然后便开始揭秘Grok-4是如何这么强大。

首先，Grok-4的训练量是Grok-2的100倍、Grok-3的10倍，这其中在RL方面投入了大量计算资源。主要依靠xAI建设的20万卡计算集群。

Grok基础模型的前7个版本已经在这个月完成训练。

其次，Grok-4特别强调了在后训练过程中原生融入工具，并通过多项结果对比论证其有效性。

比如在“人类最后考试HLE”上，在训练中融入工具，不仅比不使用工具能取得更高分数，而且Scaling提升效率也更高。即增加同样的计算资源，工具融入训练能换来更高智能。

测试时训练下这一分数还能进一步提升10个百分点。

通过这一方法，Grok-4能灵活调用工具完成各种复杂任务。

发布直播中主要展示了几个demo。

• 强大推理能力：基于预测市场数据，预测MLB世界大赛胜率（给出道奇队胜率21.6%）

• 可视化理解：通过后牛顿近似模型模拟黑洞引力波碰撞，生成真实的波形视觉动画。

• 还有联网找到xAI员工中头像最古怪的人：

这些都很好展示了Grok-4的数学、推理、多模态理解等方面能力。

此外，发布还展示了Grok-4在编程、药物发现等领域能力。

在Live Coding Bench 编程测试上几乎满分，而且预告了未来还将推出专门的快速+智能编程模型。

在RKG药物基准中，成为唯一突破10%准确率的模型。

还要在真实世界场景中，Grok-4的表现也值得关注，比如在自动零售bench上排名第一。

还能协助生物医疗领域筛选假设、分析数据。

以及在马斯克忠爱的游戏领域，Grok-4现在可以设计和构建视频游戏了，包括资源获取、写代码等，只需4个小时就能完成一款第一人称射击游戏。

马斯克表示，真正意义上的AI视频游戏将会在明年出现，之前他也成立了工作室来做AI游戏。

最后，马斯克还透露了Grok系列接下来的计划：马上会发一个编程模型，后面多模态Agent、视频生成模型也都在路上了。

体验方面还和之前类似，订阅SuperGrok——30美元/月或300美元/年。

Grok-4差点熄火

几乎是老规矩了，Grok-4的上线也是一波三折。

最开始马斯克打算发的版本其实是3.5，但是到了6月，马斯克觉得这个版本值得称为Grok-4。

当时说，要用Grok重写整个人类知识体系，然后在这个版本上训练Grok的最新模型。

但这还没完，就在老马已经确定Grok-4就要今天发了，结果昨天Grok-3被曝出现不当言论引发轩然大波。随后官方表示正在删除此类帖子，并禁止Grok再发表此类言论。

然后，今天的发布就比原定推迟了一个小时。

看着直播间的老马，突然觉得他有点疲惫。

不过从这次发布来看，Grok系列的矩阵正在逐步扩大。大热的多模态、视频模式，都已经安排上了。

以及最近有人发现，特斯拉最新固件里已经偷偷加上了Grok的全功能版本，只等激活。

根据猜测，Grok将会成为特斯拉中的语音助手，比传统的对话AI更能理解人类对话，“彻底改变驾驶员与汽车的对话交互方式”。目前似乎可以支持英语、汉语。

此外，马斯克也确认擎天柱人形机器人也将搭载Grok语音助手，未来将成为擎天柱人形机器人的大脑。

One More Thing

最近两次模型上新，马斯克都拉着华人科学家一起做发布。

有人发现，Grok团队里，亚洲面孔似乎已经占半壁江山了。

参考链接：
[1]https://x.com/xai/status/1943158495588815072
[2]https://www.notateslaapp.com/news/2874/tesla-to-integrate-xais-grok-into-optimus-helping-bring-the-robot-to-life