---

7 月 9 日，xAI 举办了一场定义下一代人工智能的发布会，正式推出其号称“全球最智能 AI”的旗舰模型 Grok-4。发布会通过一系列令人震撼的现场演示和全面的基准测试数据，证明了 Grok-4 在超人级别的推理、复杂的工具使用和长远战略规划方面的卓越能力。从 4 小时制作一款游戏到在模拟商业中收益翻倍，Grok-4 展示的不仅仅是技术的飞跃，更是通往一个由 AI 深度赋能的未来的清晰路线图。

下面我们就按照时间顺序复盘一下Grok-4这48分钟的发布会都有什么亮点。

00:00 - Grok-4：以“全球最智能 AI”之名突破性登场

• 智能的飞跃：埃隆·马斯克开场便直接宣布 Grok-4 是“世界最智能的 AI”，并强调其学习速度“远超任何人类”。他指出，Grok-4 面对 SAT 考试能次次获得满分，甚至在各学科的研究生入学考试（GRE）中都能取得近乎完美的成绩，其学识水平已达到“所有学科的研究生级别”。
• 超人级推理：针对“AI 无法推理”的说法，马斯克明确反驳：“不，它可以在超人级别上进行推理 (it can reason at superhuman levels)”。
  

06:41 - 推理能力的大幅飞跃：100 倍训练量铸就的“博士级”大脑

• 指数级增长：Grok-4 的训练计算量是 Grok-2 的整整 100 倍。团队不仅在“预训练”上投入巨大算力，更在“推理强化学习 (RL)”上投入了比任何其他模型多 10 倍的计算资源。
  * 挑战极限基准：发布会重点介绍了“人类最后的大考 (Humanity’s Last Exam)”这一极难基准，其问题难度均为博士或前沿研究级别。马斯克评价道：“没有任何人类能在这个测试中取得高分”。
  
  
  
• “全科博士”：马斯克反复强调一个惊人的事实：“Grok-4 在每个学科上都优于博士水平，无一例外 (Grok is better than PhD level in every subject no exceptions)”。他预测，Grok-4 最快可能在今年晚些时候发现新技术，明年发现新物理。

13:25 - 工具使用能力的革新：从“原始”到深度整合

• 更原生的工具使用：与 Grok-3 依赖泛化能力不同，Grok-4 在训练中就直接整合了工具使用，使其在调用工具时更加可靠和强大。
  
• 承认“原始”阶段：马斯克坦言，相较于特斯拉或 SpaceX 使用的“有限元分析”等高级工业工具，Grok-4 目前的工具使用仍处于“相当原始的阶段 (fairly primitive tool use)”。但他承诺，今年晚些时候会为其提供这些强大的公司级工具。

20:06 - 直面强化学习的挑战与 AI 的终极测试

• 数据瓶颈：xAI 团队坦诚，随着模型越来越智能，为其寻找足够有“挑战性的问题”已成为新的“数据瓶颈”。
• 现实是终极的试金石：马斯克提出了一个核心观点：“最终的推理测试是现实 (the ultimate reasoning test is reality)”。因为“物理是法则，其他一切都是建议”。AI 是否强大，最终要看它能否创造出有用的新技术、新药物，能否让火箭进入轨道。
  

26:45 - 应用演示：在浏览器中模拟黑洞碰撞

• 复杂的物理模拟：现场演示了 Grok-4 生成两个黑洞碰撞的可视化过程，完整覆盖了旋近 (inspiral)、合并 (merger) 和衰减 (ringdown) 三个阶段。
  
• 严谨的科学态度：模型在思考过程中明确指出，为了可视化，它夸大了引力波的尺度，并使用的是“后牛顿近似法 (post-Newtonian approximations)”而非完整的广义相对论计算，同时参考了本科教材和真实世界数据。

33:29 - 基准测试霸榜：全面超越所有对手

• 商业预测能力：在现场演示中，Grok-4 Heavy 版本花了约 4.5 分钟分析了大量赔率网站和市场数据，计算出洛杉矶道奇队赢得世界大赛的概率为 21.6%。
  
• 全方位领先：在所有关键推理基准上，Grok-4 都大幅领先于 GPT-4o、Gemini 2.5 Pro 和 Claude 3 Opus 等对手。它在 AIME (美国数学邀请赛) 上获得满分，在 GPQA (研究生水平问题解答) 等测试中也遥遥领先。
  
• 未来的测试：马斯克预言，未来 AI 会强大到能指出“问题本身有什么毛病”，届时人类设计的考试将失去意义。

40:16 - 语音交互与 API：更自然、更开放

• 自然的语音体验：现场演示了全新的语音模式，延迟相比之前降低了一半。新声音“Eve”展现了极其自然流畅的对话、低语乃至歌剧演唱能力。在与竞品的对比测试中，Grok 的对话更平稳、不打断。
  

• API 全面开放：Grok-4 和 Grok-4 Heavy 版本已通过 API 发布，为开发者提供前所未有的能力。在 ARGI 基准测试中，Grok-4 的准确率达到了 15.8%，是第二名 Claude 3 Opus 的两倍。
  

46:53 - 赋能开发者：从商业策略到游戏创作

• AI 运营公司：在 AI 商业模拟“Vending Bench”中，Grok-4 制定并执行了长期策略，最终创造的净资产是之前第一名的两倍，证明了其强大的商业规划能力。
  
• 4 小时制作 FPS 游戏：游戏设计师 Denny 利用 Grok-4，在 4 小时内就制作了一款第一人称射击游戏。Grok-4 最大的贡献是自动化了“资产获取 (asset sourcing)” 这一游戏开发中最繁琐的环节。
  

What is next? - 通往视频生成和通用智能的加速之路

发布会最后，xAI 公布了清晰的路线图，展现了其惊人的迭代速度：

1. 专业编码模型：一个兼具速度与智能的专业编码模型将在几周内发布。
2. 多模态智能体：正在训练的 Version 7 基础模型将解决目前视觉理解能力偏弱的短板，带来图像、视频和音频理解能力的“阶跃式提升 (step function improvement)”。
3. 进军视频生成：xAI 计划在未来 3-4 周内，使用超过 10 万块 GB200 芯片开始训练其视频模型。马斯克预计，今年能看到“半小时可观看的 AI 电视节目”，明年能看到“第一部可观看的 AI 电影”。
   

总结

这次发布会不仅仅是一次产品更新，更是 xAI 对其技术实力和发展速度的一次全面展示。Grok-4 已经证明，AI 正在从一个“聪明的工具”转变为一个能够在各领域进行深度思考、规划和创造的“智能体”。正如马斯克所言，我们正处在“智能大爆炸 (intelligence big bang)”的奇点时刻。