北京时间2025年7月11日中午12点左右，xAI发布了下一代大模型Grok 4。马斯克在直播中表示这是世界上最强的AI，并进行了展示。

马斯克指出，Grok 4可以在无需事先查看题目的情况下，在SAT考试（美国高考）中获得满分，并在GRE任何学科测试中接近满分，超过全世界所有研究生的水平。他强调Grok 4已经实现了超越人类的推理能力，预计今年内可实现科学新发现。

技术方面，Grok 4的推理能力相较前代提升了10倍。从Grok 2到Grok 4，采用的技术范式依次为下一个token预测、预训练计算、预训练 + RL、RL计算。其中，Grok 3在预训练阶段的计算量提升了10倍，首次引入了RL微调以增强深度推理能力。Grok 4 reasoning进一步通过强化学习提升了10倍的计算量，显著增强了推理能力。

基准测试结果显示，Grok 4在各类高难度Benchmark上远超SOTA成绩。在HLE（Humanities Last Exam，人类最后的考试）基准测试中，使用工具后Grok 4的成绩为38.6%，Grok 4 Heavy达到44.4%。如果让模型花费更多时间思考并恰当使用外部工具，HLE分数还能提升至50.7%。

其他基准测试结果包括GPQA（研究生级别的Google验证问答基准测试）、AIME25（美国数学竞赛邀请赛）、LCB（Jan-May）（编程竞赛/在线算法竞赛）、HMMT25（高中生团队数学竞赛）和USAMO25（美国顶尖高中生数学竞赛）。Grok 4 Heavy均取得了最新SOTA。

此外，Grok 4在通用推理能力评估平台ARC-AGI上同样取得最新SOTA，其中在ARC-AGI-2上达到15.9%，几乎将之前的商业SOTA翻了一番，并超越当前Kaggle竞赛SOTA。

在Vending-Bench基准测试中，Grok 4聚焦于评估智能体在真实物理世界中执行复杂操作任务的能力，解决了传统模拟环境与真实世界间的“Sim2Real Gap”问题。测试结果显示，Grok 4的表现优于Claude Opus 4、Human、Gemini 2.5 Pro、o3。

Grok 4可通过API调用，提供256K tokens的上下文窗口，目前已经开放使用，版本号为grok-4-0709，价格与Grok 3相同。根据Artificial Analysis的测试，xAI的API以每秒75个token的速度提供服务，速度虽不及o3（每秒188个token），但优于Claude 4 Opus Thinking（每秒66个token）。

Grok 4还展示了其多模态能力。例如，它成功生成了一个基于物理原理的HTML动画，模拟两个黑洞碰撞并产生引力波的30秒可视化效果。动图的一边呈现了推理过程、计算步骤和相关论文链接。

语音能力方面，Grok 4相较上代速度快了2倍，端到端延迟更低，支持5种语音，单日用户总停留时长提升了10倍。新增角色Eve和Sal现已可在iOS版Grok中使用，Sal支持多种性格，Eve能够唱歌和低语。

游戏开发能力也得到了验证。开发者DannyLimanseta在4小时内利用Grok 4制作了一款FPS射击游戏，该模型不仅能用于制作游戏，还能实际运行游戏，洞察优秀游戏要素并提出改进建议。

目前，Grok 4已上线，需付费使用。付费模式分为年付和月付两种，其中SuperGrok年费300美元（约2154元人民币），SuperGrok Heavy年费3000美元（约21540元人民币）。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。