AIME 2025满分，xAI正式发布Grok模型，其中Grok 4 Heavy评测超越当前所有大模型，美国数学竞赛满分！一年3000美元订阅费！
马斯克旗下的xAI公司正式发布Grok4大模型，包含Grok 4和Grok4 Heavy版本，其中Grok4 Heavy是一个Agent系统，在AIME2025（美国的数学邀请赛）得分满分，超过了所有大模型。此前透露的Grok 4 Code和视频生成能力都没有发布。
Grok 4发布
xAI在直播中发布了Grok4大模型。与此前泄露的信息不同，Grok 4的上下文长度最高是256K（此前泄露的是128K），而且是一个多模态大模型，支持图片的输入。
Grok4模型本身的能力很强，在超难的ARC-AGI-2评测上取得了15.6的得分，是第二名Claude 4 Opus的接近2倍的成绩。
ARC-AGI-2是ARC Prize 基金会推出的评测基准，其推出的视觉逻辑谜题非常难。同时要求模型在一定的预算成本下进行测试。这意味着用很长的CoT是无法通过测试的。这可能是Grok 4 Heavy没有在这里出现的原因。
但不管怎么说，Grok4本身已经足够优秀。而且Grok4也支持更长的推理获得更好的结果，如下图所示，是Grok 4和其它模型的对比结果（感兴趣的童鞋可以去下面链接有更详细的表格数据对比）：
这三个评测都是难度非常高的评测结果，GPQA Diamond则是高难度的涵盖生物、物理、化学三个 STEM 领域的多选题。
Grok4 Heavy：一个多智能体系统
本次发布的一个亮点是Grok4 Heavy系统，这是一个多智能体协作的系统，在官方扩展了10倍的推理时间，多个智能体独立且并行运行，最终汇聚所有结果后选择最好的解决方案。
效果也很明显，Grok 4 Heavy在HLE中获得了50分的高分（HLE全称是Humanity’s Last Exam，题目来自全球的专家人工选择，难度非常高，具体参考：https://www.datalearner.com/ai-models/llm-benchmark-tests/31， 在AIME 2025中达到了100分的满分。
AIME 2025 是一个评测数据集，题目来自美国的数学邀请赛 (AIME)。这个 AIME 竞赛本身难度就很高，主要是给那些在 AMC（美国数学竞赛）中表现出色的高中生准备的。题目覆盖代数、几何、数论、组合数学等，解题往往需要好几步推理，还得有点巧思。
从这个对比看，不管是Grok 4模型本身，还是多智能体系统Grok4 Heavy，它们在评测结果上都是最强的。超过了此前最好的Gemini 2.5 Pro和OpenAI的o3模型。
具体数据：
| 评测基准 (Benchmark) | Grok 4 Heavy | Grok 4 | Gemini-2.5-Pro-Preview-06-05 | Claude Opus 4 | OpenAI o3 |
|---|---|---|---|---|---|
| HLE(知识问答) | 50.00 | 35.00 | 21.60 | 10.70 | 20.32 |
| GPQA Diamond(常识推理) | 88.90 | 87.00 | 86.40 | 79.60 | 83.30 |
| AIME2025(数学推理) | 100.00 | 95.00 | 88.00 | 75.50 | 88.70 |
| ARC-AGI-2(综合评估) | 0.00 | 15.90 | 4.90 | 8.60 | 6.50 |
Grok 4的接口很便宜，但是Grok 4 Heavy非常贵
API接口的输入价格为3美元/100万tokens输入，15美元/100万tokens输出。价格和Grok 3持平，没有涨价。
但是，前面提到的多智能体Grok 4 Heavy目前仅在网页可以使用，但是需要开通3000美元一年的SuperGrok Heavy会员才能使用，可以说价格非常贵！
此外，与之前Grok 3免费使用不同，随着订阅计划的升级，Grok 4仅付费用户可用，也就是说至少一年300美元才能使用Grok4。尽管如此，大家也可以在LMArena上去体验免费的Grok4（目前Grok4消失，但估计很快回归）。
未来四个月每个月Grok都有新的产品或者特性
此次发布的Grok4仅仅包含Grok4模型，大家也可以在官网使用。而Grok 4 Heavy多智能体系统虽然宣布了，但目前不可用。同时，此前泄露的编程模型Grok 4 Code、视频生成能力都没有出现。不过，直播最后，xAI公告了未来4个月的产品节奏。
也就是说，8月份Grok 4 Code发布，9月份发布多智能体新系统Grok 4 Heavy，10月份发布视频生成的大模型。
欢迎大家关注DataLearner官方微信，接受最新的AI技术推送
