大概也只有Grok 4才能配上“刚刚，突发，炸裂”这些美轮美奂的词汇了。
就在刚刚，xAI举办了一场信息密度极高的发布会，正式揭开了其最新、最强大模型——Grok-4的神秘面纱。
发布会上，xAI团队详细阐述了从Grok-2到Grok-4的飞跃式发展。其核心驱动力，是前所未有的计算规模投入。团队宣称，Grok-4的训练量比Grok-2增加了整整一百倍。
而Grok-4的实际表现也超出意外，全科能力超越博士，多智能体系统破解人类终极难题，在所有学术科目上实现了超越博士（PhD）的水平。
同期推出Grok-4 Heavy多智能体版本，通过“学习小组”式的协同推理，将“人类最终考试（HLE）”难题的解决率提升至50%以上。
参数上，在API基准测试中性能2倍领先，并在商业模拟、生物科研、游戏开发等真实场景中展现出强大的自动化和策略制定能力。
App上，全新发布的语音模式，延迟减半，声音更自然；下一代模型将重点补强视觉能力，实现从“部分失明”到真正的多模态理解。
同时，Grok 4的专精编码模型、视频生成大模型已在路上，目标是成为全球发展最快的AGI公司。
“我们正处在智能大爆炸的开端，活在历史上任何时期都无法比拟的有趣时刻，”马斯克表示，“随着智力的增长，这里的曲线是显著的。”
以下是详细：
Grok-4自理措施采用“人类最终考试”（Humanities Last Exam, HLE）的超高难度测试。该测试包含2500个问题，横跨数学、自然科学、工程学和人文学科，每个问题都由该领域的顶尖专家设计，难度均达到博士甚至更高水平。
即便是最先进的模型，在该基准上的准确率也仅为个位数。然而，通过海量计算资源的注入，Grok-4（单体版）在没有任何工具辅助的情况下，便成功解决了其中四分之一的问题。
“坦率地说，任何一个人类都不可能在所有这些问题上取得好成绩，”团队成员解释道，“Grok-4在每个科目上都比博士水平更好，没有例外。这并不意味着它已经发明了新技术或发现了新物理，但这只是时间问题。”
而在引入“多智能体协同”机制后，Grok-4的威力再次指数级增长。为了攻克更复杂的难题，xAI推出了Grok-4 Heavy版本。
Grok-4 Heavy版本模拟了一个高效的“学习小组”。系统会并行生成多个AI代理，让它们独立思考和解决问题。随后，这些代理会交换意见、比较思路，当某个代理找到了关键的“诀窍”或解决方案时，它会与所有其他代理分享，最终共同生成一个最佳答案。
通过这种“测试时计算”（test-time compute）的规模化扩展，Grok-4 Heavy成功将HLE难题的解决率提升至超过50%。
除了在学术基准上屠榜，Grok-4更在真实世界应用中展现了惊人的潜力。
在发布会现场，Grok-4 Heavy仅用4.5分钟就分析了Polymarket上的赔率，并计算出洛杉矶道奇队赢得世界大赛的概率为21.6%。它还能实时分析X平台，找出“头像最奇怪的xAI员工”，并自动生成事件时间线。
在API层面，Grok-4的性能同样卓越。
在被誉为“大模型圣杯”的R-KIVE基准测试中，Grok-4的准确率达到了15.8%，是第二名的两倍。
这是试水的还有一个商业模拟活动。
xAI与Andorra Labs合作，在一个名为“自动售货机基准”（Vending Machine Benchmark）的商业模拟中对Grok-4进行了测试。
结果显示，Grok-4不仅能制定并长期坚持有效的商业策略，其最终实现的净资产也是其他前沿模型的两倍。
此外，领先的生物医学研究机构ARC Institute已经在使用Grok-4自动化科研流程，帮助科学家在海量实验日志中快速筛选最佳假设。
一位游戏设计师更是在4小时内，利用Grok-4的API（特别是其强大的工具使用和资产搜集能力）制作出了一款第一人称射击游戏。
发布会还展示了全新的语音模式。新版语音交互的延迟减半，并引入了包括“Eve”（英式女声）和“Sal”（史诗男声）在内的多个全新声音，其自然度和韵律感都达到了新的高度。
现场演示中，Grok-4的语音助手Eve甚至能用歌剧咏叹调来赞美健怡可乐，展现了其惊人的创造力和情感表达能力。
不过团队也承认，Grok-4目前最大的弱点在于多模态能力，尤其是图像理解，他们形容其为“部分失明”。但这一短板将很快被补齐。
“我们正在训练我们基础模型的第七版，它将在几周内完成，”团队透露，“这将解决视觉方面的弱点。届时，模型将能真正地听到和看到世界。”
下一步，xAI的路线图在发布会上也表述的很清晰：
专精编码模型， 一个“快速又智能”的专用编码模型正在紧张开发中，预计在未来几周内与用户见面。
计划在未来3到4周内，开始在超过10万个H200 GPU的集群上训练下一代视频模型，目标是在视频生成和理解方面再次飞跃。
Grok4目前已同步上架Grok App和 Web端。
