xAI 釋出 Grok 4：攻破 Humanity's Last Exam 超 44% 考題

前幾個小時社交平臺掌門人剛遞交辭呈，前幾天聊天機器人還在因言論翻車被輿論聲討，換作普通公司早就開啟公關防禦模式了。但馬斯克偏偏選在這個節骨眼上，把自家最新的大模型推到了臺前。

xAI 正式釋出了新一代旗艦推理模型 Grok 4，以及採用多智慧體架構的 Grok 4 Heavy。這次釋出的節點頗具戲劇性，X 的執行長 Linda Yaccarino 剛剛辭任，而此前 Grok 3 更新後因生成涉嫌反猶言論飽受爭議。

孟菲斯巨獸喂出來的推理怪獸

Grok 4 背後的最大底氣，是 xAI 位於孟菲斯的 Colossus 超級計算機。這個算力叢集在去年 9 月上線時搭載了 10 萬張顯示卡，今年 5 月擴容到了 20 萬張，按 xAI 的規劃，最終目標是要堆到 100 萬張卡。

算力堆疊帶來的直接結果，是 Grok 4 在推理測試中的亮眼數字。在涵蓋 2500 道跨學科高難度難題的基準 Humanity's Last Exam 中，Grok 4 在不借助外部搜尋引擎的情況下，準確率突破了 44%。

作為對比，OpenAI 搭載 o3 模型的 Deep Research 得分為 26.6%。此外，該模型在 Arc-AGI-2 和 AIME 等測試上也拿下了頂尖表現，壓過了 Gemini 2.5 Pro 和 OpenAI 的 o3。

馬斯克在社交平臺上放話稱，除非題目存在蓄意的對抗性陷阱，否則 Grok 4 在數學和物理考試中基本不會做錯。它不僅能抓出題目裡的錯誤和歧義，還能自己修正並分別回答各個變體。

一個月 300 美元的多智慧體版本

在交付形態上，xAI 這次兵分兩路。面向普通使用者，基礎版 Grok 4 包含在每月 30 美元的 SuperGrok 會員中，支援語音、視覺輸入，上下文視窗為 128k。

面向開發者，Grok 4 的 API 提供了 256k 上下文並內建搜尋功能，輸入每百萬 token 計費 3 美元，輸出每百萬 token 計費 15 美元。

更引人注目的是增強版 Grok 4 Heavy。它採用多智慧體協同機制，系統會派發多個智慧體同時解題，互相驗證並對比答案，最終輸出最優解。

想要用上這個多智慧體版本，代價並不便宜。xAI 推出了每月 300 美元的 SuperGrok Heavy 訂閱，訂戶還能提前體驗該公司的後續新產品。

馬斯克在直播中還排滿了接下來的發版日程：下個月上線專精程式設計的任務版本，9 月推出擴充套件多模態版，幾週後再上線影片生成版。長遠來看，他們還打算把模型接入計算流體力學等科學軟體，並推向主流公有云。

為什麼重要

對使用者和專業開發者來說，Grok 4 是目前極少數在硬核數理推理上能真正扳倒 OpenAI 頂尖梯隊的選擇。如果你從事科研計算、演算法驗證或複雜程式碼架構設計，API 版本的價格和 256k 視窗值得立刻嘗試。

但對普通人而言，每月 300 美元的 Heavy 訂閱門檻極高，現階段更像是給預算充足的機構或極客嚐鮮的玩具，一般日常任務完全沒有必要掏這筆錢。

在行業層面，xAI 證明了依靠自建超大規模單一叢集進行快速迭代的殺傷力。從 20 萬張 GPU 到重新整理基準記錄，它狠狠刺激了 OpenAI 和 Google，迫使頂級推理模型的競爭從單純拼演算法迅速演變成拼機房基建規模。

我們認為，xAI 這種多智慧體內部辯論的做法很聰明，有效對沖了大模型在單次推理中的幻覺風險。但它的隱患同樣赤裸：前代產品的安全失控和偏激言論言猶在耳，當推理能力強到能搞定科研難題時，如果在價值觀過濾上再次失守，帶來的破壞力只會比以往更難收場。