Grok 4强势发布！马斯克：它是在所有学科同时达到博士后水平的唯一存在

HLE测试横跨100个学科，包含2500道博士级试题（数学/理论物理/语言学等）。如今的得分意味着Grok 4在复杂知识体系和深度思考能力上已实现明显突破，成为了AI大模型能力的新标杆。

xAI介绍，Grok 4的出现将一改“大模型只是知识复读机”的刻板印象。这次的目标，是让Grok 4能力发生质变，超越人类专家水平，通过自主深度思考解决现实复杂问题，重写人类知识库。

在直播中，xAI团队用“黑洞碰撞模拟计算”和“世界赛预测胜率”的问题举例，Grok 4 几乎通过可视化完整呈现了两个黑洞的引力波模拟效果，体现Grok 4对多源数据的采集和分析能力，以及该模型对现实问题的自我深度思考及推理能力。

从训练技术方案来看，Grok 2到Grok 4的计算训练量提升了100倍，通过数据筛选和算法优化实现了训练效率的突破提升。

在全球最顶超算集群Colossus的加持下，再加上强化学习（RL）的投入增加，让Grok 4的推理能力较前代再提升10倍。

xAI介绍，从Grok 2到Grok 4，采用的技术范式有所不同，分别为token 预测、预训练计算、预训练 + RL、和RL 计算。

此外，Grok 4在语音能力上也有所加强，相较于上代速度快了 2 倍，并支持唱歌和低语模式，让不少重视交互性体验的用户眼前一亮。

霸榜顶尖基准测试，网友直呼“AGI已来”

说了这么多，Grok 4到底有多强？不如一起看看最新出炉的基准测试结果。

除了开头提到的“人类最后测试（HLE）”，Grok 4 Heavy在HMMT（哈佛-麻省理工数学竞赛）、USAMO（美国数学奥林匹克竞赛）、GPQA（博士级基准测试）等高质量测试中，表现同样惊艳，包揽第一位置。

其中，在AIME25（美国数学邀请赛）中，Grok 4 Heavy更是取得了满分成绩。

有“AGI试金石”之称的ARC-AGI基准测试，主要用于测试模型在全新未知情境中的即时推理和学习效率，Grok 4达到SOTA顶尖水准。

另就大模型性能评估平台 Artificial Analysis 发布的基准测试成绩表明，Grok 4 已然成为当前领先的 AI 模型，总成绩高达 73 分，领先于 o3、Gemini 2.5 Pro、DeepSeek R1 0528等模型。

不少网友直呼，“看到Grok 4，感觉AGI（通用人工智能）已来。”

在发布会结尾，xAI也公开了Grok 4发布后的未来产品计划，8月将上线编程模型，9月将上线多模型智能体，10月晚些会发布视频生成模型，重点优化视觉能力。

AI竞赛仍在继续，期待值已被老马安排的“年度大戏”拉满。