刚刚,Grok 4发布,「人类最后的考试」中拿下50.7%,碾压所有对手,游戏结束?

Grok 4来了!

并已经对X Premium+订阅者开放。

这次,不是个简单的升级。

也不再是鸽rok!

Artificial Analysis(@ArtificialAnlys)拿到了Grok 4的早期访问权限,跑完全套基准测试后得出结论:

Grok 4现在是领先的AI模型。

碾压所有对手

Artificial Analysis给出的数据展示:

Grok 4的人工智能指数达到73,超过了OpenAI o3的70分、Google Gemini 2.5 Pro的70分、Anthropic Claude 4 Opus的64分和DeepSeek R1 0528的68分。

碾压所有对手!

所有!

这是@elonmusk的@xai第一次在AI前沿领域拔得头筹

Grok 3的表现已经能与OpenAI、Anthropic和Google的最新模型相媲美,但Grok 4是第一个让xAI登顶的模型。

全方位的性能爆表

详细的基准测试结果更是让人惊叹:



关键成绩包括:

  • 在编码指数(LiveCodeBench & SciCode)和数学指数(AIME24 & MATH-500)上全面领先

  • GPQA Diamond创下88%的历史新高,超越了Gemini 2.5 Pro之前84%的纪录

  • 「人类最后的考试」得分24%,打破Gemini 2.5 Pro之前21%的最高分

  • MMLU-Pro和AIME 2024分别达到87%和94%的最高分

  • 输出速度75 tokens/s,虽然慢于o3(188 tokens/s)和Gemini 2.5 Pro(142 tokens/s),但快于Claude 4 Opus Thinking(66 tokens/s)

不只是聪明,还会唱歌

Grok 4不仅在智力测试上表现出色,还具备了更多实用功能:

  • 256k token的上下文窗口

  • 支持文本和图像输入

  • 支持函数调用和结构化输出

  • 甚至能够唱歌——这个语音功能让AI更加生动有趣

定价方面,Grok 4保持了与Grok 3相同的价格:每百万输入/输出token收费3美元/15美元(缓存输入为0.75美元/百万token)。

「人类最后的考试」上的惊人表现

回到那个终极挑战——「人类最后的考试」。

根据最新数据,Grok 4 heavy版本在这个测试上达到了50.7%的成绩:

  • 使用工具时为41%

  • 不使用工具时为26.9%

「Grok 4可能在每个学科上都达到博士水平,没有例外」

「也许今年就能发现新技术,两年内肯定能发现新物理学」

Colonel Tasty(@JoshhuaSays)分享的各学科详细得分更是让人震撼:

这就是终局吗?

Johnny West(@johnnywestt)直接宣布:

Grok 4是王者👑

Jack Shiels(@shiels_ai)惊讶地发现:

所以这还不是工具调用模型?哇!

但Hamza(@thegenioo)的反应相对冷静:

只提升了2分?

sid__(@sid009_)的评论一针见血:

AI竞赛变得有趣了。

Yorkshire Lass(@eyup_io)的感慨更接地气:

对于任何考试困难户来说,这听起来就像噩梦。我敢打赌,我们大多数人早餐前就会不及格!

智能的天花板

看着这些数据,最让我震撼的不是Grok 4的成绩和数字,而是:

「Still no wall.」

依然没有撞墙。

当所有人都在讨论AI何时会触及智能的极限时,模型将要停滞时,Grok的进化曲线告诉我们:

天花板,还远得很。

每一代10倍的性能提升,从Grok 1到Grok 4,这条指数增长的曲线没有任何放缓的迹象。

更令人深思的是,Grok 4在「人类最后的考试」上拿下50.7%,这只是在没有触及任何技术瓶颈的情况下达到的。

如果智能真的没有上限,那么「人类最后的考试」这个名字就显得格外讽刺。

它可能不是人类为AI设计的最后一场考试,而是人类能够理解的最后一场考试。

最人类在AI 面前的最后一场关于智慧的战斗。

当AI的智能继续以指数级增长,而我们还在用百分制来衡量它时,谁才是真正被困在墙内的那个?

答案或许早就已经不是AI,而是我们人类自身。




    [1]

    Artificial Analysis完整测评: https://artificialanalysis.ai/

    [2]

    @MarioNawfal原推文: https://twitter.com/MarioNawfal/status/1943165222878953770

    [3]

    @ArtificialAnlys测评报告: https://twitter.com/ArtificialAnlys/status/1943167262397206760

    [4]

    @apples_jimmy详细数据: https://twitter.com/apples_jimmy/status/1943165222878953770


    (文:AGI Hunt)

    发表评论