埃隆·马斯克的xAI再次投下一枚重磅冲击波——Grok 4正式发布，其号称推理能力已经超越人类博士后水平，训练量更是达到了前代Grok 2的100倍。说实话，看到这些数字的第一反应是：这已经不是在追逐，而是在甩开距离了。

马斯克明确表示：Grok 4在所有学科领域都比几乎所有研究生更聪明。这可不是随便说说的，背后是实实在在的投入。训练量是Grok 2的100倍，而强化学习计算量更是市面上任何模型的10倍——这一数字本身就说明了一切。

从基准测试结果来看，Grok 4可以说以无可争议的姿态在所有主流基准测试中登顶。在人类终极考试（HLE）中，马斯克称其“在各个领域都达到了博士后水平”。HLE的扩展规律也很清楚：更多的训练计算，意味着更高的智能水平。

有意思的是，Grok 4在不使用外部工具的情况下已经有如此表现，而通过原生工具调用功能，其能力更是显著提升。配合工具之后的效果，用曲线图来看简直不可思议——这再次证明了为AI配备合适工具的重要性。

当然，可靠的信号是强化学习成功的关键，数据问题仍然是挑战。马斯克本人也指出：“AI推理能力的终极测试是让它在现实世界中运行。”

具体到数字：在HLE测试中，Grok 4解决了超过50%的纯文本问题。测试时计算能力的扩展效果令人惊叹。目前Grok 4是单智能体版本，而Grok 4 Hea vy则是多智能体版本——多智能体系统可不是简单的性能增强，它本质上是一次架构上的进化。

更有趣的是应用层面的探索。Grok 4已经被用来预测今年的世界大赛冠军——这种场景才是推理模型真正需要接受考验的地方。真实世界的事件，能最直观地验证模型的能力。比如它能够阅读论文、PDF文件，对模拟细节进行推理，并自主决定使用什么数据来得出结论。有人用两个黑洞碰撞的可视化展示了这一过程，Grok 4对时间线、分数公告的总结推理，确实让人印象深刻。

多模态性能方面，Grok 4 Hea vy的表现优于Grok 4，但团队也承认这仍然是目前的薄弱环节之一，还需要进一步改进。在推理基准测试中，Grok 4在AIME25测试中拿到了满分，相比之前在这个任务上表现最好的模型，进步幅度确实大得夸张。

访问渠道方面，Grok 4通过SuperGrok Hea vy订阅层级提供。Super Grok每月30美元，SuperGrok Hea vy每月300美元。同时还有语音功能更新——响应速度提升2倍，提供5种语音选择，每日用户使用时长增长10倍。

在ARC-AGI测试中，Grok 4在ARC-AGI v2（私有测试集）上突破了10%的门槛，达到15.9%，是第二名成绩的2倍，而第二名正是Claude Opus 4。在Vending Bench测试中，Grok 4同样拿下第一，净值表现也是Claude Opus 4的两倍。

商业应用层面，Grok 4模型已通过xAI API开放使用，拥有25.6万token的上下文窗口，支持实时数据搜索功能，还有游戏应用。视频理解是团队正在改进的核心领域之一，这方面的能力会持续提升。

展望未来：智能和快速将是重点方向，编程模型也是重要发力点。更强大的多模态智能体即将推出，视频生成模型也已经在研发中。从目前的节奏来看，xAI显然不打算放慢脚步。