大模型性能评估平台Artificial Analysis的全套基准测试成绩表明，Grok 4已经成为当前领先的AI模型，总成绩达到了73分，领先于o3、Gemini 2.5 Pro、Claude 4 Opus等模型。

但马斯克对于Grok 4的野心远不止于此，他此前表示，要用具有高级推理能力的Grok 4重写人类知识库，补充缺失的内容，纠正错误的知识，再基于新的“干净而准确”的知识库重新训练AI。不过，这一说法也遭到了业界人士的质疑。

被称为“木头姐”的凯西·伍德（Cathie Wood）表示，Grok虽然起步较晚，但在性能上很快追赶上o3 pro等头部模型，这得益于训练集群的合理布局。在Grok 4亮相前一周，xAI刚刚完成新一轮百亿美元融资。截至目前，xAI累计融资额已超过200亿美元。

图片xAI直播发布会截图

“世界最强AI”，年费最高达3000美元

当地时间7月9日，原定于太平洋时间晚上8点的Grok 4线上发布会，延迟了几乎整整一小时。发布会开始不久，马斯克便高调宣称，“这（Grok 4）是世界上最强的AI”。

他强调，Grok 4在所有主要学科上的表现都已超越博士水平。虽然它目前尚不具备发明新理论或提出原创技术的能力，但马斯克认为，这只是时间问题。他大胆预言，Grok有望在今年年底具备发明新技术的能力，到明年则几乎能够拥有发现新物理规律的实力。

据介绍，本次发布的Grok 4系列模型包括Grok 4和Grok 4 Heavy两个版本，均为推理模型。其中，Grok 4为单智能体模型，而Grok 4 Heavy为多智能体版本，支持多个智能体并行思考，能够调用更大规模的计算资源以完成更复杂、更精密的任务。

大模型性能评估平台Artificial Analysis的全套基准测试成绩表明，Grok 4已经成为当前领先的AI大模型，总成绩达到了73分，领先于o3-pro、Gemini 2.5 Pro等模型。

图片Artificial Analysis

此外，在“人类终极考试”（HLE，Humanity's Last Exam）中，Grok 4系列模型也取得了亮眼的成绩。最新版“人类终极考试”包含2500道专家级难度的问题，涵盖数学、物理等多个领域。

据xAI介绍，今年早些时候，大多数模型在该测试中的准确率得分在10%以下。而Grok 4在不使用任何工具的情况下，得分为25.4%，超过了Gemini 2.5 Pro的21.6%和o3的21%。若使用工具，Grok 4的成绩进一步提升至38.6%，Grok 4 Heavy的成绩更是达到了44.4%，几乎是Gemini 2.5 Pro的两倍。

图片xAI直播截图

除了“人类终极考试”，Grok 4和Grok 4 Heavy在其他基准测试中同样表现突出。Grok 4系列在GPQA测试中得分均接近90%，在AIME25数学竞赛题上，Grok 4 Heavy更是取得了满分的成绩。

在以高难度著称的ARC-AGI通用人工智能测试中，Grok 4在v2 Semi Private挑战中获得15.9%的分数，几乎是第二名Claude Opus 4得分的两倍。

图片xAI直播截图

除了在基准测试上表现亮眼外，Grok 4语音能力也得到了增强。据介绍，Grok 4的语音模式相较于上一代，端到端的延迟更低，还支持五种音色。

目前，Grok 4已经上线，不过需要付费使用，且订阅费相当昂贵。据xAI官网，付费模式分为年付和月付两种。Grok 4的订阅年费为300美元（约合人民币2153元），而要想使用更强大的Grok 4 Heavy版本，则需要订阅SuperGrok Heavy套餐，年费高达3000美元（约合人民币21530元）。

图片xAI官网

下一步，xAI预计还将发布代码模型、多模态智能体以及视频生成模型。

马斯克宣称Grok 4将“重写人类知识库”被质疑

Grok 4的推出伴随着不小的争议。直播前夕，Grok 3曾因传播不当言论引发外界批评。有声音认为，xAI若不能在未来几周内提供更具结构性的模型安全机制，并公布更透明的训练方式，Grok 4或很难摆脱“高性能之下的高风险”。

对此，马斯克强调，Grok 4的目标是“成为尽可能追求真相的AI”。

在马斯克看来，许多模型的训练数据本身就充斥着错误与垃圾信息。他此前宣称，要用具有高级推理能力的Grok 4重写人类知识库，补充缺失的内容，纠正错误的知识，再基于新的“干净而准确”的知识库重新训练AI。

图片X

不过，有观点指出，马斯克正试图打造一个能够体现自己观点的模型。Cohere联合创始人尼克·弗罗斯特（Nick Frosst）直言，“他（马斯克）正努力打造一个反映其个人信念的模型。这肯定会让模型对用户来说更差，除非用户恰好认同他的所有信念，且只希望模型复述这些内容。”

从技术层面看，马斯克的构想或同样存在一些问题。谷歌DeepMind研究副总裁奥里奥尔·文亚尔斯（Oriol Vinyals）指出，如果从训练数据中剔除所有错误，模型可能会丧失检测和修复新错误的能力。

图片X

累计融资200亿美元！“木头姐”：xAI有望脱颖而出

尽管外界频有争议，但资本市场却给出了一些积极的反馈。

作为业内头号马斯克“铁粉”的网红基金经理、有着“木头姐”之称的凯西·伍德（Cathie Wood）在最新一期播客节目中表示，Grok虽然起步较晚，但在性能上很快追赶上o3 pro等头部模型，这得益于训练集群的合理布局，确保了训练的高效。

据悉，Grok 4的整个训练过程就动用了全球最大的AI训练农场“巨像”超算集群，20万个GPU一起开工。

而且，Grok 4发布的前一周，xAI又完成了百亿美元融资。目前，xAI累计融资额已超过200亿美元。4月底有报道称，xAI控股公司正在与投资者洽谈，计划为其整合后的xAI及社交媒体业务X平台筹集约200亿美元资金。若交易达成，该公司估值将突破1200亿美元。

充裕的资金也为xAI的算力布局提供了坚实保障。xAI在田纳西州孟菲斯建成的超算集群“巨像”（Colossus）已经部署了20万块GPU，硬件成本高达70亿美元，功耗达300兆瓦，相当于25万户家庭的用电量。此外，xAI还计划建一个拥有100万块GPU的新设施。

凯西·伍德称，AI基础模型及相关市场规模庞大，而xAI有望在这一领域脱颖而出。她指出，借助星链等渠道，xAI获得了强大的分发优势。而随着xAI旗下模型持续迭代，X平台的信息价值也将同步提升。X可被视为一个以揭示真相为目标的信息平台，而xAI则专注于通过AI技术揭示真相。两者的协同合作，能让xAI触达更广泛的用户群体，进而形成数据优势。”

方舟投资认为，基础模型的企业市场规模将达到15万亿到20万亿美元。目前，该公司投资了xAI、OpenAI和Anthropic。凯西·伍德表示，他们相信，这三家公司在技术上处于领先地位，虽然未来可能会涌现更多专注于不同领域的语言模型并做得更好，但这三家公司目前仍具有显著的竞争优势。