xAI 发布 Grok-2 预览版：竞技场登顶，支持画图并向会员开放

前段时间在 LMSYS 盲测竞技场里，有个代号叫「sus-column-r」的神秘模型把各路高手挑落马下，甚至一度压过了 Claude 3.5 Sonnet 和 GPT-4-Turbo。大家都在猜这是哪家的新底牌，答案现在揭晓了。

xAI 正式发布了 Grok-2 及其轻量版 Grok-2 mini 的测试版，那个打榜的神秘模型正是它。马斯克旗下的 AI 团队只用了几个月时间，就把 Grok 从一个略带玩票性质的社交伴侣，拉到了顶尖大模型的第一梯队。

跑分追平第一梯队，还拉来了生图黑马

从官方公布的基准测试来看，Grok-2 比起此前的 Grok-1.5 提升非常明显。

在考察研究生水平科学知识的 GPQA 测试中，Grok-2 拿下了 56.0%，相比上一代的 35.9% 是巨大的飞跃。在数学竞赛级别的 MATH 测试中达到 76.1%，编程测试 HumanEval 达到 88.4%。在视觉理解方面，它的 MathVista 得分为 69.0%，DocVQA 达到 93.6%，整体数据已经能和 GPT-4o 以及 Claude 3.5 Sonnet 正面叫板。

除了常规的大语言模型能力，这次在 X 平台上最抓眼球的更新是生图功能。xAI 找来了最近名声大噪的 Black Forest Labs 合作，把后者的 FLUX.1 模型直接接进了 Grok 里面。

配合新设计的交互界面，X 平台的 Premium 和 Premium+ 订阅用户现在就能直接体验。Grok 既能利用 X 上的实时帖子信息来做检索和推理，也能一键画图。

为了兼顾成本和速度，xAI 这次还同步推出了 Grok-2 mini，专门在响应速度和回答质量之间做折中。

企业级 API 紧随其后

除了在社交平台上供散户玩耍，xAI 也明确把矛头对准了开发者和企业市场。

官方确认，Grok-2 和 Grok-2 mini 将在本月晚些时候通过全新的企业级 API 平台开放。这套 API 底层采用了定制的技术栈，支持跨多区域推理部署，来保证全球范围内的低延迟访问。

安全和管理配置也往严肃企业看齐，API 将强制启用多因素认证，支持 Yubikey、Apple TouchID 或 TOTP。同时提供团队管理、用量统计分析以及账单细则导出等功能，方便直接嵌入现有工作流。

为什么重要

对用户来说，如果你已经是 X 的付费订阅者，现在就能直接用上当前行业第一梯队的对话和视觉模型，更不用说还顺带白嫖了生成质量极高的 FLUX.1 生图功能。对于需要结合即时资讯做分析的创作者或研究者，它结合 X 实时热点检索的能力依然是独门绝技。

对行业而言，这场发布证明了 xAI 的工程落地节奏快得惊人。从 2023 年 11 月发布初代 Grok 到现在不到一年，他们靠着高密度的人才和强大的算力集群，硬生生把模型能力拉到了能与 OpenAI 和 Anthropic 平起平坐的位置，大模型顶峰竞争的牌桌上正式多了一个变量。

我们认为，引入第三方优质模型（如 FLUX.1）是 xAI 走得很聪明的一步，它不需要什么都自己从零练，而是用最快的方式把好用的能力装进产品里。不过隐患也显而易见，X 平台相对宽松的生成策略已经引发了不少关于虚假信息和版权风险的争议，后续进入企业 API 市场时，这套激进的风格能不能被严肃商业客户接受，看起来还要打个问号。