HolyCrap! Grok4 炸裂登场！仿佛动物一夜间学会耍工具，史诗级更新！

Grok4 于北京时间 7 月 10 日中午 12 点正式发布！这场发布比预告晚了一个小时，但好饭不怕晚！看完整场直播，我脑海里就一个词：惊艳！

我敢说这是一次史诗级更新，为何这么说呢？Grok4 和现有主流模型都不一样，这是一次从猿到人的进化！是的，进化，Grok 4 会用工具了，主动使用工具，它是使用类似我们之前介绍 Search R1 的思路强化检索、工具调用！接下来让我们先回顾整场发布会！

马斯克发表开场演讲，还是一如既往的卡壳式讲话，嘴巴跟不上大脑。接着是坐在他左手边的华人 Yuhuai Wu（吴宇怀），也是 xAI 的创始人之一，来自湖南。还有一位华人师从 AI 教父 Geoffrey Hinton 的 Jimmy Ba，据了解他也是 Yuhuai WU 的老师。

开场后，首先围绕的是 HLE(Human Last Exam)的跑分，目前榜首由 Google 的 Gemini-2.5-Pro-Preview-0605 占据，国内表现最好的模型是 DeepSeek-R1-0528。

图片

2025 年初，由全球近千名专家联合打造的《Humanity’s Last Exam》横空出世，被誉为“人类最后一场闭卷考试”。这项包含 3000 道高难度题目的多模态基准测试，不仅挑战 AI 的极限，更试图为技术发展轨迹与风险治理提供关键标尺。

从上图可以看出，当前 SOTA 模型得分仅徘徊在 22 分左右，而 Grok4 横空出世，直接飙至 44.4%，几乎无敌碾压！即使前不久发布的 Kimi-Research 智能体也难以企及。榜单对比显示，Grok4 即便不调用工具，已完胜 Gemini 2.5 Pro；启用工具后，更是达到 44.4%的无人之境！这不就是动物学会用工具，生产力直接飞跃的震撼时刻吗？

图片

然后，做了一些在线演示，比如寻找 xAI 的员工，经过几分钟直接找出大部分的 Profile，简直是 AI 版人肉搜索。然后是一些常规测试得分，诸如 GPQA（科学、数学、历史、常识）、AIME25（数学）、LCB（Live Code Bench 编程）、HMMT25（数学）、USAMO25（数学）等榜单，均有碾压性的表现，甚至在 AIME25 获得满分。

图片

接下来是 ARC-AGI 表现。ARC-AGI 是一个人工智能 基准测试，旨在评估 AI 系统在解决新颖、抽象任务时的泛化能力，尤其强调其抽象推理能力和解决问题的效率，而非单纯的模式匹配或记忆能力。 它由 Keras 的创始人 François Chollet 提出，并被视为迈向通用人工智能（AGI）的重要里程碑。

图片

备注，这里的榜单显示评分和我在 ARC-AGI 所看具有很大不同：https://arcprize.org/leaderboard，不知道具体的评分标准。

然后，是一个非常有意思的榜单 Vending-Bench，一个模拟环境，专门设计用于测试基于 LLM 的代理在管理一个简单但长期运行的业务场景中的能力：运营一台自动售货机。毫无疑问，Grok 4 获得了 2 倍于 Claude Opus 4 的净收益。

图片

Grok 4 已经上线官方网站，常规订阅价每月 30 刀，如果是 Heavy 需要 300 刀。

图片

API 也一并上线，上下文窗口 256K。

图片

最后，之前预告的专用 Coding 模型，要到下个月才会发布哦！

总结

还是总结一下吧，这次发布是真的令人惊艳，也期待实际表现。未订阅 Grok 的话，暂时还只能用 Grok3。在发布过程中，他们还演示了一个多模型模型，语音会根据需要自动进行调节，比如唱歌，比如小声说话，不知道会不会模拟放屁？还挺令人期待啊！