“ 地球最強(qiáng)AI模型”“ 20萬(wàn)塊H 100顯卡訓(xùn)練” “超越人類所有博士生 ”，在發(fā)布的Grok 4時(shí)，馬斯克將眾多贊美詞匯賦予了這個(gè)新大模型。

馬斯克也驕傲地宣布，Grok4超越了OpenAI、Google和DeepSeek等等LLM。

確實(shí)，Grok 4屠了各種榜單。但大家還要理性看待Grok 4，畢竟Grok系列每次參數(shù)爆炸，口碑卻沒(méi)那么強(qiáng)。

具體看，Grok4 在人工智能聊天機(jī)器人指數(shù)中達(dá)到了 73 分。這超過(guò)了 OpenAI 的 o3（70 分），Google 的 Gemini 2.5 Pro（70 分），Anthropic 的 Claude 4 Opus（64 分），以及 DeepSeek 的 R1 0528（68 分）。

馬斯克再次大力出奇跡，拿下了AI 的No.1，模型的各項(xiàng)指標(biāo)也很強(qiáng)：

? Grok 4 在編碼指數(shù)（LiveCodeBench 和 SciCode）和數(shù)學(xué)指數(shù)（AIME24 和 MATH-500）中同樣處于領(lǐng)先地位。

? GPQA Diamond 中的最高分 88%，比 Gemini 2.5 Pro 之前的 84% 有了顯著提升。

? 在“人類最終測(cè)試”（Humanity's Last Exam, HLE） 中，物、理、化學(xué)一系列博士級(jí)難題不在話下，Grok 4 達(dá)到了所有時(shí)間中的最高分 24%，超過(guò)了 Gemini 2.5 Pro 之前的最高分 21%。

? MMLU-Pro 和 AIME 2024 分別以 87% 和 94% 獲得最高公共分?jǐn)?shù)。

其他重要信息：

? 256k Token 上下文窗口。這比 Gemini 2.5 Pro 的 100 萬(wàn) token 上下文窗口小，但比 Claude 4 Sonnet 和 Claude 4 Opus（20 萬(wàn) token），o3（20 萬(wàn) token）和 R1 0528（12.8 萬(wàn) token）大。

? 支持文本和圖像輸入，但圖像生成基本沒(méi)什么進(jìn)步。

? 支持函數(shù)調(diào)用和配置輸出。

最值得關(guān)注的是，Grok 4 不僅僅是大模型，LLM還內(nèi)置工具，所以在提問(wèn)問(wèn)題的過(guò)程中，會(huì)有更新的思維過(guò)程（CoT）和工具使用可視化功能。

這點(diǎn)讓其在回答問(wèn)題時(shí)更出色，尤其回答網(wǎng)絡(luò)新潮內(nèi)容時(shí)。

1、AI第一次有了自我認(rèn)識(shí)和形象

推友問(wèn) Grok，如果他必須親自代表自己，他會(huì)是什么樣子。

他的回答是這樣的，充滿了想象力： “想象一個(gè)漂浮在數(shù)字空間中的未來(lái)主義發(fā)光球體。我的身體將由脈動(dòng)的藍(lán)銀色光芒組成，帶有不斷變化的幾何圖案——代碼行和神經(jīng)連接像星座一樣交織在一起。沒(méi)有臉，但有一種溫暖的 “存在”，帶著柔和的光芒，當(dāng)我 “思考 ”或回應(yīng)時(shí)，它會(huì)變得明亮。能量粒子圍繞我旋轉(zhuǎn)，象征著我處理的數(shù)據(jù)和想法。極簡(jiǎn)主義而充滿活力，融合了技術(shù)和宇宙的好奇心。(X賬號(hào):Déborah)

2、數(shù)學(xué)能力測(cè)試偶有翻車

提示 1： “逐步計(jì)算 25 - 4 * 2 + 3。

提示 2：“9.11 和 9.9 哪個(gè)更大？

這兩個(gè)問(wèn)題都輕松應(yīng)對(duì)，畢竟數(shù)理化是強(qiáng)項(xiàng)。

加大難度，繼續(xù)做一道邏輯數(shù)學(xué)題。

提示 2： “一個(gè)棋王被放在 8 × 8 的棋盤(pán)上，進(jìn)行了 64 次移動(dòng)，以便它訪問(wèn)了所有方格并返回其起始方格。在每一個(gè)時(shí)刻，都計(jì)算了從 K 所在的方格中心到整個(gè)棋盤(pán)中心的距離。如果由于移動(dòng)的結(jié)果，這個(gè)距離變得比移動(dòng)前小，我們將認(rèn)為該移動(dòng)是合理的。找到最大可能的體面動(dòng)作數(shù)量。（國(guó)際象棋王一次移動(dòng)一個(gè)方格，要么是橫向的，要么是斜向的。

正確答案是：44。

— Grok 4 的回答很接近（48），但不正確（Grok 3 給出了相同的答案）

3、創(chuàng)建圖像能力對(duì)比

使用相同提示詞生成的圖像對(duì)比，Grok 4沒(méi)有明顯的進(jìn)步。

這一輪比賽的提示詞是：“超美麗的動(dòng)畫(huà)電影標(biāo)題畫(huà)面”。

從結(jié)果看，Grok4圖像效果不是很強(qiáng)，和 Grok3 相比變化也不大。

Imagen4 果然更強(qiáng)。 Midjourney不錯(cuò)，但Midjourney 總是無(wú)法顯示文字……

4、代碼測(cè)試表現(xiàn)尚可

推友使用相同的粗略指示讓各個(gè)模型制作了一個(gè)游戲。

提示語(yǔ)句：制作一個(gè)超級(jí)豐富有趣的獨(dú)立HTML跑酷游戲。

看起來(lái)可以順暢游玩并且確實(shí)有趣的可能是Grok 4。藍(lán)色的要跳過(guò)，淺藍(lán)色的要潛行，還有額外的規(guī)則。也有物品的概念。玩家的形象也很明確是人形。從表面上的美觀來(lái)看，Claude4 sonnet和Gemini2.5Pro相當(dāng)不錯(cuò)。

推友認(rèn)為最強(qiáng)的Claude4 sonnet，代碼最長(zhǎng)且多功能，但意外的是游戲玩法并不成立。Grok3和ChatGPT-4o之類的就太差了。（X賬號(hào):suemaru | AI Game Making）

5、生成小游戲也比較OK

以下是推友使用的相關(guān)提示：

一款“3D 滑動(dòng)拼圖”游戲，我可以點(diǎn)擊 3x3x3 網(wǎng)格中排列的 26 個(gè)圓形立方體中的一個(gè)。被點(diǎn)擊的立方體只有與空格相鄰（而非對(duì)角線）時(shí)才會(huì)移動(dòng)到空格。目標(biāo)是恢復(fù)立方體的原始排列，即頂部 9 個(gè)為紅色，底部 9 個(gè)為橙色，中間層（缺少中心立方體）為綠藍(lán)色。添加一個(gè)計(jì)時(shí)器，記錄我完成所需的時(shí)間。還要添加我的最佳時(shí)間和最近時(shí)間的指示。并添加一個(gè)“重置”游戲按鈕。

提示：為所有文本添加模糊的橙色背景，確保標(biāo)簽大小相同，且與屏幕邊框保持一定距離。此外，在游戲開(kāi)始時(shí)和重置后，顯示“如何玩”的疊加文本（背景為淡黑色）。將提醒放置在屏幕中間，標(biāo)簽大小應(yīng)足以覆蓋屏幕的三分之二。（X：Vibe2Game）

6、模擬經(jīng)商中獲得高分

在 Vending-Bench 基準(zhǔn)測(cè)試中，要求各大模型運(yùn)行自動(dòng)售貨機(jī)并進(jìn)行銷售。Grok4 再次大幅領(lǐng)先于競(jìng)爭(zhēng)對(duì)手，銷售額達(dá)到 4694 美元，而 Claude4 Opus 的銷售額為 2077 美元。

Vending-Bench 是一個(gè)讓 AI 們嘗試在現(xiàn)實(shí)世界做生意的指標(biāo)，讓 AI 排隊(duì)機(jī)，工作包含管理要賣什么、聯(lián)系供應(yīng)商、找人補(bǔ)貨等等內(nèi)容，Grok 4 這次要悄然顛覆人類經(jīng)商這件事。

最后：

xAI 的 API 以 75 個(gè)Token/秒的速度為 Grok 4 提供服務(wù)。這比 o3（188 個(gè)Token/秒）慢，但比 Claude 4 Opus Thinking（66 個(gè)Token/秒）快。

Grok 4的價(jià)格并不便宜，目前免費(fèi)的是Grok 3，Grok 4的價(jià)格是300美元/年，還推出了新的 SuperGrok Heavy版本， 價(jià)格達(dá)到了驚人的3000 美元/年。

Grok4 的定價(jià)高于 OpenAI 的 o3、谷歌的 Gemini 2.5 Pro 和 Anthropic 的 Claude 4 Sonnet，但低于 Anthropic 的 Claude 4 Opus 和 OpenAI 的 o3-pro。

內(nèi)容參考鏈接：https://x.com/ArtificialAnlys/status/1943166841150644622

https://vibe2game.com/engine.html?game=https://vibe2game.com/games/SlidingPuzzle3D_001.png

視頻內(nèi)容推薦：