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
创始人
2025-07-10 18:17:37

明敏 鹭羽 发自 凹非寺

量子位 | 公众号 QbitAI

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,GER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。

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]https://x.com/xai/status/1943158495588815072

[2]https://www.notateslaapp.com/news/2874/tesla-to-integrate-xais-grok-into-optimus-helping-bring-the-robot-to-life

相关内容

热门资讯

阳光电源:股东计划减持公司股份... 每经AI快讯,阳光电源(SZ 300274,收盘价:76.16元)7月11日晚间发布公告称,公司副董...
分红险的“分红”从哪里来 近期,各家保险公司陆续披露2024年度分红型保险产品的红利实现率。“固定收益+浮动红利”的收益结构,...
财政部进一步加强国有商业保险公... 央广网北京7月11日消息(记者 马文静)日前,财政部发布《关于引导保险资金长期稳健投资 进一步加强国...
演讲实录|朱云来解析全球经贸格... 来源:市场资讯 当前,全球经贸格局正在经历深度的结构性调整,企业的全球化发展受到来自地缘政治、贸易壁...
银行股再创新高!42家A股银行... 来源:图虫 7月11日,银行板块再度走强,工商银行、农业银行、中国银行、建设银行四大行A股股价再创历...
郑氏点银:黄金留意3345,一... 郑氏点银:黄金留意3345,一旦站稳会继续拉升上攻 回顾昨日行情走势及出现的技术点: 第一,黄金方面...
上市券商迎中报预喜潮,国联民生... (图片来源:视觉中国) 蓝鲸新闻7月11日(记者 王婉莹)日前,上市券商陆续披露今年上半年的业绩预告...
瑞茂通涨1.31%,成交额1.... 来源:新浪证券-红岸工作室 7月11日,瑞茂通涨1.31%,成交额1.41亿元,换手率2.80%,总...
Shein希音已经以“保密形式... 据知情人士透露,Shein(希音)集团已以保密形式提交香港上市申请,标志着这家快时尚零售商向上市又迈...
国有商业保险公司长周期考核机制... 7月11日,财政部网站发布《关于引导保险资金长期稳健投资 进一步加强国有商业保险公司长周期考核的通知...
沪指本周震荡走高,上证50ET... 本周,上证50指数、上证180指数均上涨0.6%,上证中盘指数上涨0.2%。 每日经济新闻
PTA:7月10日基差走弱,供... 【7月10日PTA市场多因素影响行情】7月10日,PTA期货随成本端震荡收涨,现货市场商谈氛围一般。...
江南化工:7月10日召开董事会... 每经AI快讯,江南化工(SZ 002226,收盘价:5.62元)7月10日晚间发布公告称,公司第七届...
在中国,为什么两个CEO往往管... 文 | 镜相工作室,作者 | 阮怡玲,编辑 | 卢枕 随着喜马拉雅“卖身”给腾讯音乐,又一家采用联...
亚朵运营物资大降价!为了留住加... 红星资本局7月11日消息,在价格战与同质化竞争加剧的多重压力下,连锁酒店行业还面临服务体验与成本效率...
卫龙新CFO余风年薪1373万... DoNews7月11日消息,7月9日,卫龙公告,执行董事兼首席财务官彭宏志因个人职业发展安排,将于8...
澜起科技:拟发行境外上市股份H... 证券之星消息,澜起科技(688008)07月11日在投资者关系平台上答复投资者关心的问题。 投资者提...
螺纹钢期货:主力涨1.06%,... 【7月11日螺纹钢期货主力合约震荡上行,机构给出后市操作建议】7月11日盘中,螺纹钢期货主力合约震荡...
拿地14天极速亮相,建发宁波海... 潮新闻客户端 记者 郑青青 近日,宁波海曙区HS07-02-18地块的项目设计方案公示,公示时间为2...
推进全球化战略,电池巨头欣旺达... 排队赴港上市A股公司名单将再添一员,7月2日,电池巨头欣旺达发布《关于筹划发行H股股票并在香港联合交...
山东神光:非农数据影响,黄金白... 山东神光:非农数据影响,黄金白银投资新机遇 非农数据,即美国非农就业人数报告,是全球金融市场最为关注...
深挖巴蜀文化时代价值,成都设计... 7月11日,中共成都市委十四届七次全会召开。 “非常振奋人心!”成都设计咨询集团有限公司党委书记、...
邮储银行App热推ESG产品吸... 21世纪资管研究院研究员 唐曜华 实习生 姜博文近期债市震荡、股市站上3500点,部分“固收+权益”...
好消息!新一轮消费补贴要来了 7月9日 吉林省商务厅网站发布 《关于征集“政银企”联动开展 购车贴息政策实施金融机构的公告》 拟定...
蓝思科技港股首日大涨9%后跳水... 截至2025年7月11日中午收盘,蓝思科技港股、A股股价分别报收于19.20港元/股和22.74元/...
掌舵三年半,浙商银行董事长陆建... “人事有代谢,往来成古今”,商业银行董事长因到龄,辞去董事长等相关职务,是再正常不过了。 昨日晚间,...
下半年经济风口:科技引领,多元... 2025 年已悄然过半,在这半年里,全球市场风云变幻,地缘政治环境的复杂波动、科技领域的突飞猛进以及...
北京建筑企业启动主板IPO,多... 瑞财经 严明会 近日,多维联合集团股份有限公司(以下简称:多维联合集团)在北京证监局完成IPO辅导备...
朱慧获批担任中广核财务公司董事... 中国网财经7月11日讯 今日,深圳金融监管局公布相关批复,核准朱慧中广核财务有限责任公司(简称“中广...
成华区文化创意产业协会秘书长姜... 7月11日,中共成都市委十四届七次全会召开,成都市成华区文化创意产业协会秘书长姜凯雯接受红星新闻记者...