馬斯克Grok-4碾壓所有大模型！“比所有博士聰明”，AIME25拿滿分

鷺羽 2025-07-10 16:11:42 來源：量子位

明敏 鷺羽 發(fā)自 凹非寺

量子位 | 公眾號 QbitAI

全世界屏息以待1個小時，馬斯克的“世界最強”Grok 4終于發(fā)布！

一出手，就在“人類最后考試”上，成為首個突破50%準確率的模型。

得益于在訓練中原生融入工具，Grok-4找到刷分法門，Grok-4 Heavy達到44.4%，比Gemini-2.5-Pro直接提升將近18個百分點。

如果測試時訓練+融入工具，可直接打到50.7%。

馬斯克給了個直觀對比：普通人類在這一基準上的得分，可能只有5%。

馬斯克直言，Grok-4比所有領域的博士生都聰明！

它即便裸考SAT（不提前看題目）也能拿到幾乎完美的分數(shù)，GRE考試幾乎滿分。
……
我估計最晚明年，我們就能看到Grok帶來的物理學新發(fā)現(xiàn)。

此外在其他基準上，Grok-4也全部刷榜，甚至可以直接滿分。

• GPQA（研究生水平問答）上得分88.9%；
• AIME25（美國數(shù)學邀請賽）上得分100%；
• LCB（Jan-May）上得分79.4%；
• HMMT25（數(shù)學推理）上得分96.7%；
• USAMO25（美國數(shù)學奧林匹克競賽）上得分61.9%。

為了更直觀體現(xiàn)Grok-4有多聰明，發(fā)布直播了和ChatGPT的語音對話對比，從發(fā)布來看Grok-4確實贏得相當明顯。

值得一提的，就在發(fā)布前夕，OpenAI預熱已久的開源推理模型突然有了風聲：可能在下周四（美國時間）發(fā)布。

Grok-4這邊也出了些小插曲，比原定時間推遲1小時發(fā)布，讓大家好等了一會兒。

有人調侃：再等一等馬上就訓練好了，然后直接發(fā)布！

言歸正傳，我們來看Grok-4的最新表現(xiàn)。

直播內容

這一次和馬斯克一起發(fā)布新模型的還是老熟人吳宇懷Yuhuai（Tony） Wu和Jimmy Ba。

吳宇懷Yuhuai（Tony） Wu，斯坦福大學博士后，博士畢業(yè)于多倫多大學。

Jimmy Ba，2023年斯隆獎得主，Hinton手下的助理教授，本科到博士都在多倫多大學。

他們倆主要負責介紹模型具體性能。

一開場，馬斯克先對Grok-4的亮點表現(xiàn)做了一些概括性介紹，比如比博士生還聰明，“這一點值得反復強調”。

然后便開始揭秘Grok-4是如何這么強大。

首先，Grok-4的訓練量是Grok-2的100倍、Grok-3的10倍，這其中在RL方面投入了大量計算資源。主要依靠xAI建設的20萬卡計算集群。

Grok基礎模型的前7個版本已經在這個月完成訓練。

其次，Grok-4特別強調了在后訓練過程中原生融入工具，并通過多項結果對比論證其有效性。

比如在“人類最后考試HLE”上，在訓練中融入工具，不僅比不使用工具能取得更高分數(shù)，而且Scaling提升效率也更高。即增加同樣的計算資源，工具融入訓練能換來更高智能。

測試時訓練下這一分數(shù)還能進一步提升10個百分點。

通過這一方法，Grok-4能靈活調用工具完成各種復雜任務。

發(fā)布直播中主要展示了幾個demo。

• 強大推理能力：基于預測市場數(shù)據(jù)，預測MLB世界大賽勝率（給出道奇隊勝率21.6%）

• 可視化理解：通過后牛頓近似模型模擬黑洞引力波碰撞，生成真實的波形視覺動畫。

• 還有聯(lián)網找到xAI員工中頭像最古怪的人：

這些都很好展示了Grok-4的數(shù)學、推理、多模態(tài)理解等方面能力。

此外，發(fā)布還展示了Grok-4在編程、藥物發(fā)現(xiàn)等領域能力。

在Live Coding Bench 編程測試上幾乎滿分，而且預告了未來還將推出專門的快速+智能編程模型。

在RKG藥物基準中，成為唯一突破10%準確率的模型。

還要在真實世界場景中，Grok-4的表現(xiàn)也值得關注，比如在自動零售bench上排名第一。

還能協(xié)助生物醫(yī)療領域篩選假設、分析數(shù)據(jù)。

以及在馬斯克忠愛的游戲領域，Grok-4現(xiàn)在可以設計和構建視頻游戲了，包括資源獲取、寫代碼等，只需4個小時就能完成一款第一人稱射擊游戲。

馬斯克表示，真正意義上的AI視頻游戲將會在明年出現(xiàn)，之前他也成立了工作室來做AI游戲。

最后，馬斯克還透露了Grok系列接下來的計劃：馬上會發(fā)一個編程模型，后面多模態(tài)Agent、視頻生成模型也都在路上了。

體驗方面還和之前類似，訂閱SuperGrok——30美元/月或300美元/年。

Grok-4差點熄火

幾乎是老規(guī)矩了，Grok-4的上線也是一波三折。

最開始馬斯克打算發(fā)的版本其實是3.5，但是到了6月，馬斯克覺得這個版本值得稱為Grok-4。

當時說，要用Grok重寫整個人類知識體系，然后在這個版本上訓練Grok的最新模型。

但這還沒完，就在老馬已經確定Grok-4就要今天發(fā)了，結果昨天Grok-3被曝出現(xiàn)不當言論引發(fā)軒然大波。隨后官方表示正在刪除此類帖子，并禁止Grok再發(fā)表此類言論。

然后，今天的發(fā)布就比原定推遲了一個小時。

看著直播間的老馬，突然覺得他有點疲憊。

不過從這次發(fā)布來看，Grok系列的矩陣正在逐步擴大。大熱的多模態(tài)、視頻模式，都已經安排上了。

以及最近有人發(fā)現(xiàn)，特斯拉最新固件里已經偷偷加上了Grok的全功能版本，只等激活。

根據(jù)猜測，Grok將會成為特斯拉中的語音助手，比傳統(tǒng)的對話AI更能理解人類對話，“徹底改變駕駛員與汽車的對話交互方式”。目前似乎可以支持英語、漢語。

此外，馬斯克也確認擎天柱人形機器人也將搭載Grok語音助手，未來將成為擎天柱人形機器人的大腦。

One More Thing

最近兩次模型上新，馬斯克都拉著華人科學家一起做發(fā)布。

有人發(fā)現(xiàn)，Grok團隊里，亞洲面孔似乎已經占半壁江山了。

參考鏈接：
[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