马斯克 Grok-4 碾压所有大模型!“比所有领域博士都聪明”,AIME25 拿满分

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。

视频详情

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\][x.com/xai/status/...](https://link.juejin.cn?target=https%3A%2F%2Fx.com%2Fxai%2Fstatus%2F1943158495588815072 "https://x.com/xai/status/1943158495588815072") \[2\][www.notateslaapp.com/news/2874/t...](https://link.juejin.cn?target=https%3A%2F%2Fwww.notateslaapp.com%2Fnews%2F2874%2Ftesla-to-integrate-xais-grok-into-optimus-helping-bring-the-robot-to-life "https://www.notateslaapp.com/news/2874/tesla-to-integrate-xais-grok-into-optimus-helping-bring-the-robot-to-life") **欢迎在评论区留下你的想法!** --- **完** ---

相关推荐
奇舞精选11 小时前
用 AI 提效的新方式:全面体验 Google Gemini CLI
前端·google·ai编程
机器之心11 小时前
刚刚,马斯克发布Grok 4!全榜第一,年费飚到2万+
人工智能·grok
量子位11 小时前
赵晓卉,你老板知道你用飞书 AI 爆改绩效评价吗?
ai编程
摆烂工程师11 小时前
教你在国内如何使用支付宝升级SuperGrok和Grok4的保姆绑卡教程
人工智能·支付宝·grok
yaocheng的ai分身11 小时前
Claude 4 提示词工程最佳实践
ai编程·claude·trae
namehu12 小时前
🚀 Gemini API 额度不够用?手把手教你无限爽用!
ai编程·gemini
北灵聊AI12 小时前
白嫖 Claude Code,国内也能免费使用
ai编程
夲奋亻Jay12 小时前
下面我将针对每个应用场景,详细列出前端领域涉及AI推进的具体技术、工具和方案
aigc·ai编程
qiyue7715 小时前
AI编程专栏(五)-提示词知识-通用提示结构或框架
人工智能·ai编程