11
华为投资控股有限公司工会委员会 9558834000004547352 工商银行深圳华为支行
好的，没问题！这是一篇经过润色和分析强化的博客文章。我为你突出了核心亮点，并对关键数据进行了深度解读，使其更具洞察力和可读性。
马斯克xAI重磅发布Grok 4：数学竞赛满分，性能全面碾压竞品！
AI圈再次被马斯克引爆！北京时间今日凌晨，马斯克旗下的xAI公司在万众瞩目下，正式发布了其最新一代大模型——Grok 4系列。本次发布包含Grok 4基础模型和其“王炸”版本——Grok 4 Heavy多智能体系统。
最令人震惊的是，Grok 4 Heavy在AIME 2025（美国数学邀请赛）这一高难度数学评测中，取得了史无前例的100分满分成绩，彻底超越了包括GPT-4o、Claude 3.5 Sonnet在内的所有对手，标志着AI在复杂逻辑推理能力上的又一重大突破。
不过，此前社区热议的Grok 4 Code和视频生成能力并未在此次发布会中亮相，xAI也给出了明确的未来发布路线图。
Grok 4 基础模型：更长、更强、还支持多模态
与发布前泄露的信息相比，Grok 4基础模型带来了更多惊喜。
首先，它的上下文窗口长度最高支持256K tokens，这比泄露的128K翻了一倍，直接看齐了业界顶尖水平的Google Gemini 1.5 Pro，并超越了Anthropic的Claude 3.5 Sonnet（200K）和OpenAI的GPT-4o（128K）。更长的上下文意味着它能处理和理解更复杂的文档、代码库和对话历史。
其次，Grok 4正式成为一个多模态大模型，开始支持图片输入，补齐了与主流旗舰模型竞争的关键能力。
在性能上，Grok 4同样展现了非凡的实力。尤其是在被誉为“最难AI评测”之一的ARC-AGI-2上，Grok 4取得了15.6的惊人得分，是第二名Claude 4 Opus得分（8.6）的接近2倍。
深度分析：ARC-AGI-2测试之所以极难，不仅因为它包含需要抽象和逻辑推理的视觉谜题，更在于它要求模型在有限的预算成本内完成测试。这意味着靠“大力出奇迹”（如超长的思维链CoT）的暴力解法是行不通的。这或许也解释了为什么性能更强的Grok 4 Heavy没有出现在这个榜单上——其多智能体协作的高昂成本可能超出了评测预算。这恰恰反衬出Grok 4基础模型本身在效率和智能上的卓越平衡。
在其他高难度评测中，Grok 4也表现优异。如下图所示，无论是在研究生级别的STEM知识问答（GPQA Diamond），还是在数学推理（AIME2025）上，Grok 4都稳居第一梯队。
Grok 4 Heavy：真正的“王炸”——多智能体协作系统
本次发布的最大亮点，无疑是Grok 4 Heavy。它并非一个单一的巨大模型，而是一个多智能体协作（Mixture-of-Agents）系统。在运行时，系统会并行运行多个独立的智能体，让它们从不同角度思考和解决问题，最终通过投票或选择机制，汇聚出最佳的解决方案。
这种方法的威力在评测数据上体现得淋漓尽致：
- AIME 2025（数学竞赛）: 取得了100分的满分！AIME是为美国顶尖高中生设计的数学竞赛，题目极具挑战性，需要复杂的推理和创造性思维。拿到满分，意味着Grok 4 Heavy在高等数学领域的逻辑推理和解题能力已经达到了一个全新的高度，这是AI发展史上的一个里程碑。
- HLE (Humanity’s Last Exam): 获得了50分的高分。HLE是一个汇集了全球各领域专家难题的测试集，难度极高。Grok 4 Heavy的得分是此前最高分（Gemini 2.5 Pro，21.6分）的两倍还多，展现了其在超高难度知识问答领域的绝对统治力。
数据深度分析：让我们仔细审视下面的详细数据表。
从表格可以得出几个关键洞察：
- 智能体系统的巨大增益：对比Grok 4 Heavy和Grok 4，在HLE和AIME2025这两个最考验深度推理的测试上，分数有巨大飞跃（HLE从35到50，AIME从95到100满分）。这充分证明了多智能体协作模式在解决复杂问题上的巨大优势。
- 新王登基：无论是Grok 4还是Grok 4 Heavy，在这些高难度基准测试中，其得分全面超越了Google的Gemini 2.5 Pro和OpenAI的o3（即GPT-4o的内部代号），确立了其在当前AI性能竞赛中的领先地位。
- 成本与效率的权衡：Grok 4 Heavy在ARC-AGI-2上得分为0，再次印证了我们之前的猜测——其高昂的计算成本使其无法参加有预算限制的测试，这揭示了顶级性能与实际应用成本之间的永恒博弈。
性能与价格：Grok 4 API“亲民”，Grok 4 Heavy“天价”
在大家最关心的价格方面，xAI给出了一个两极分化的方案：
-
Grok 4 API：输入价格为3美元/百万tokens，输出价格为15美元/百万tokens。这个价格与前代Grok 3持平，在旗舰模型中极具竞争力，甚至比OpenAI的GPT-4o还要便宜，对于开发者而言无疑是个好消息。
-
Grok 4 Heavy：然而，想要体验Grok 4 Heavy的强大能力，代价是极其高昂的。用户需要开通每年高达3000美元的SuperGrok Heavy会员才能在网页端使用。这显然是面向企业级或高价值专业用户的定价策略，普通用户只能望而却步。
此外，值得注意的是，随着订阅计划的更新，Grok 4的使用门槛也提高了。与Grok 3可以免费试用不同，现在至少需要开通每年300美元的付费计划才能使用Grok 4基础模型。
未来展望：xAI的“月度更新”路线图
尽管Grok 4 Code和视频生成能力此次“跳票”，但xAI在直播的最后，给市场画出了一张清晰且激动人心的“大饼”——未来四个月，月月有新品。
- 8月：发布Grok 4 Code，专为编程优化的模型，值得所有开发者期待。
- 9月：正式上线Grok 4 Heavy多智能体系统，届时顶级会员将能亲身体验其威力。
- 10月：发布视频生成大模型，正式进军Sora等模型所在的视频生成赛道。
总而言之，xAI的Grok 4系列以无可争议的性能数据，向世界宣告了新王的到来。虽然最强的能力伴随着高昂的价格，但其清晰的路线图和极具竞争力的API定价，预示着未来几个月AI领域的竞争将更加白热化。让我们拭目以待！
