马斯克刚刚发布了号称史上最贵的 AI——Grok4，其年费竟高达 2 万以上。这款 AI 宣称在所有领域都能碾压博士，展现出了极为强大的能力。它仿佛拥有无尽的知识储备，无论是科学、艺术还是人文等各个领域，都能给出精准且富有深度的答案和见解。仿佛一位无所不知的智者，打破了传统认知中对 AI 能力的局限。然而，如此高昂的年费也引发了人们对于其性价比和广泛应用的思考，究竟它能否真正在各个领域发挥出如此卓越的作用，还需时间和实践来检验。

本文来自微信公众号：APPSO （ID：appsolution），作者：发现明日产品的，原文标题：《年费超 2 万！马斯克刚刚发布最贵 AI ，Grok 4 号称所有领域碾压博士》

马斯克憋了快半年，终于把Grok 4端上了台面。

这一次，他的口气依旧不小。早在发布会前就放出狠话，声称Grok 4要「重写人类知识库」。等到了发布会上，马斯克再次强调Grok 4是目前世界上最聪明的AI。

可以，熟悉的味道，熟悉的配方。

当然，马斯克夸自家产品这事儿，大家早就见怪不怪，但正如网友所调侃的那样，你可以嘲笑xAI员工在办公室帐篷里睡觉或者周末工作到凌晨4:20，但也得承认，他们的确是当下发展速度最快的AI实验室之一。

至于Grok 4能不能配得上「最聪明AI」的称号，还得看后续的实际体验。不过，有一点是跑不了的——它已经成了市面上最贵的AI，年订阅价格最高可达到3000美元，定价策略可谓是相当不讲武德。

世界上最聪明的AI？世界上最贵的AI！

Grok的训练路径分为两个核心阶段：预训练与强化学习。从Grok 2到Grok 3，主要依赖预训练方式；而从Grok 3升级到Grok 4，则大幅引入了以推理能力为核心的强化学习训练。

马斯克说得轻描淡写，但训练的动静却不小。

相比Grok 2，Grok 4的训练计算量提升了整整两个数量级，相当于增长了100倍——而且还在持续扩张。

马斯克表示，Grok 4已在所有主要学科上超越博士水平。虽然它目前尚不具备发明新理论或提出原创技术的能力，但在他看来，这只是时间问题。

他甚至预言，今年底Grok可能就能发明新技术，明年几乎可以确定将具备发现新物理规律的能力。

让AI接入现实世界，才是真正的关键。

马斯克表示，Grok与人形机器人Optimus的结合，将形成一个闭环推理系统——提出假设、验证假设、探索现实。这将开启一个智能大爆炸的时代，是人类历史上最令人激动的节点。

在产品形态上，Grok 4是单智能体模型，而Grok 4 Heavy则是多智能体版本。

前者比较好理解，而后者则支持多个智能体并行思考，在推理过程中横向比对、纵向协同，调用更大规模的计算资源以完成更复杂、更精密的任务。

在现场演示中，Grok 4 Heavy展示了多个场景能力。

比方说，让Grok 4 Heavy去预测今年MLB世界大赛（World Series）的冠军概率，它通过信息检索、数据建模、概率计算，评估洛杉矶道奇队的夺冠概率为21.6%，并在4.5分钟内完整输出预测过程。

再比如，让它找出xAI团队里头像最奇怪的那一个。依托X平台的资料库，模型自动抓取并分析头像风格，最后锁定了联合创始人Greg Yang。

有趣的是，虽然模型准确理解了「奇怪」这一概念，并能在同类中做出相对判断，但在一滑而过的演示中，我似乎看到了Anthropic员工Jan Leike的头像，看来准确率也有待提高。

除了推理和搜索，Grok还能生成内容时间轴。

比如，根据X平台上的公开发帖，它能梳理出多个AI模型的基准测试成绩、厂商更新节奏以及社区反应。用户可以一目了然地看到OpenAI的分数表现、Gemini的更新迭代等。

换句话说，Grok不是只会考试的书呆子，而是真正具备跨场景理解与执行能力的AI。

目前，Grok最大的短板依然集中在多模态理解能力，尤其是在图像理解和生成方面，能力仍有待加强。好消息是，下一阶段的基础模型训练已经在路上，预计几周内完成。

演示过程中，在测试「两个黑洞相撞过程」的可视化任务时，Grok采用了简化的计算方式——使用后牛顿近似（Post-Newtonian approximation）替代完整的广义相对论框架。

尽管存在简化，模型依然准确地呈现了黑洞并合的关键物理阶段，包括「螺旋接近」、「合并」与「振铃阶段」，并能清晰说明所采用的近似方法。此外，它还调用了相关教材、公开搜索结果及实际物理常数进行推理支持，整体逻辑链条严谨、解释清晰。

就纸面参数而言，Grok 4也交出了亮眼答卷。

Humanity’s Last Exam（人类最后的考试，简称：HLE，）覆盖了数学、物理、计算机、医学、人文社科等超过100个学科，共2500道闭卷题，测试难度极高，能够真实反映模型在通用知识和复杂推理上的综合表现。

根据xAI数据，Grok 4在不使用任何工具的情况下，得分为25.4%，超过了Google Gemini 2.5 Pro的21.6%和OpenAI o3（高配版）的21%。

而在使用工具的情况下，Grok 4 Heavy的得分达到44.4%，远高于使用工具后Gemini 2.5 Pro的26.9%。

非营利组织Arc Prize则指出，Grok在其ARC-AGI-2测试中创下新纪录。这是一项视觉推理类基准测试，AI需识别图像中的模式。Grok的得分为16.2%，几乎是当前排名第二的Claude Opus 4的两倍。

面对一些常规的基准测试中，Grok 4 Heavy的分数几乎也快「刷满」分数。在博士级难度的问题集GBQA中，尽管整体难度略低于HLE，Grok 4 Heavy依然取得了满分成绩，展现出极强的推理与理解能力。

不仅如此，在多项编程相关测试中，Grok 4 Heavy的表现同样抢眼。无论是Live Coding、HMMT（麻省理工数学竞赛）还是USAMO（美国数学奥林匹克），它都远超当前排名第二的模型，技术优势相当明显。

另外，知名分析机构Artificial Analysis通过对多款主流大模型在7个推理相关基准（MMLU-Pro、GPQA Diamond、Humanity’s Last Exam、LiveCodeBench、SciCode、AIME、MATH-500）上的综合表现进行评估。

数据显示，Grok 4位列第一，得分为73，是目前推理能力综合得分最高的模型。紧随其后的则是o3-pro（估算值）71分。

马斯克也强调：

未来Grok将几乎在所有考试中答对每一个问题。而当它答不出某个问题时，它会指出题目的错误之处，或者指出问题含糊不清的地方，并给出不同情境下可能的答案。到那时，传统考试将失去意义。AI唯一的检验标准将是现实世界：它是否能发明有用的技术，是否能推动科学的突破。所以HLE这类测试题库必须尽快更新，因为以当前的AI进展速度，它们很快就会过时。

截至发稿前，Grok 4和Grok 4 Heavy目前均已陆续上线。

目前，Grok 4和Grok 4 Heavy已全面上线。用户可以通过订阅访问，不过，订阅价格就有点「不讲武德」，最高可去到3000美元/年档位，成了不少用户吐槽的焦点。

这么一比，OpenAI、Anthropic以及Perplexity的200刀/月套餐都显得十分良心。

值得一提的是，发布后不久就有网友表示，Grok-4与Grok-4-Heavy模型已经被成功「越狱」。

越狱后的能力极其危险，可绕过安全护栏，输出敏感或非法信息，比如化学武器合成步骤、《星球大战1》的完整剧本（涉嫌版权）、甚至勒索病毒（恶意代码）等。

不只会说话，Grok Voice还有了「灵魂」

除了更强的推理能力，更聪明，Grok 4这次也在「更像人」这件事上，迈出了一大步。

跟我们熟悉的语音助手不同，xAI全新语音助手「Eve」不只是能答话，它能表达情绪、有语调变化，甚至还能现场「唱歌」。

在直播现场的演示上，它用一口优雅的英音，唱了一首即兴创作的「Diet Coke咏叹调」，「O Diet Coke，thou elixir divine…」听起来真的不像是AI，像是伦敦剧场里的舞台演员在表演。

这次语音模型一共上线了五种声音，包括直播开场的「电影一般的预告男声」Sal，以及支持低延迟、自然停顿、情绪起伏等能力的Eve。

现场还安排了一段和ChatGPT Voice的对比演示，两者轮流复述数字。ChatGPT时不时「抢答」，有点像没听清就硬接话的同学。而Grok的表现更流畅、更贴近人类说话习惯，而且不会打断用户说话。

发布会上提到，自语音模型上线以来，Grok Voice的端到端延迟缩短了两倍，活跃用户也增长了10倍。Grok Voice正在迅速发展。

马斯克：让Grok去开一百万个自动售货机赚钱

几个Grok 4 API的应用场景让我印象非常深刻。

比如，在一项自动售货机商业模拟Vending-Bench中，Grok被要求自主完成：供应商协商、库存管理、定价策略，连续完成并长期保持盈利。

注：Vending-Bench是一个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。

测试结果显示，Grok 4不仅登顶排行榜，而且它所获得的净资产是其他模型的两倍。连马斯克都开始调侃说：「以后买显卡的钱，可以让Grok去部署运营一百万个自动售卖机赚回来」。

在科研领域，Grok 4已被用于CRISPR基因研究和胸片X光分析。它能在几秒钟内读完几百万条实验记录和日志，自动筛出最有可能成功的假设。

此外，像是金融领域、游戏开发等项目，都可以通过xAI API来使用Grok 4来实现。发布会上特别提到了一个游戏设计师，他在xAI发布了Grok 4预览API后，就立刻参与测试。然后，他花了短短4小时就做出了一个第一人称射击游戏。

Grok 4不是终点。发布会最后预告了接下来的路线图，每一项都非常值得期待。

代码模型：这次竟然没有发布Grok Code，不过xAI提到正在训练了，一个「又快又聪明」的代码模型将会在几周内上线。

多模态能力：Grok 4在图像理解上表现依旧是有限，团队也说正在以更大规模训练下一个版本，预计会在图像、视频和音频理解上迎来质变，到时Grok将能「像人类一样看世界」。

视频生成：xAI说将使用大规模的算力资源，进行视频生成模型的训练。他们的最终目标是做到图生视频，生成可交互的「无尽视频流」，让用户能边看边参与剧情走向。

可能有不少朋友已经发现，这次发布会还有两个熟悉的华人面孔。他们正是xAI的联合创始人——吉米·巴（Jimmy Ba）和吴宇怀（Yuhuai Wu）。

其中，吴宇怀（Yuhuai Wu）本科以满绩点毕业于加拿大纽布伦斯威克大学，并在2021年获得多伦多大学机器学习博士学位，期间曾师从「深度学习之父」杰弗里·辛顿。

博士阶段，他还曾在Google DeepMind和OpenAI实习，毕业后在Google任职，并在斯坦福大学从事博士后研究。

吴宇怀的研究重点是打造具备强推理能力的人工智能系统，先后主导或参与了自训练推理模型STAR、语言模型Minerva以及定理证明器Alpha Geometry等项目，并在《Nature》等顶刊上发表论文，推动AI在数学推理领域实现突破。

坐在他身旁的吉米·巴（Jimmy Ba）则是多伦多大学计算机科学系的助理教授，也是吴宇怀博士时期的导师之一。

他同样出身于辛顿门下，是深度学习训练优化领域的关键人物。

最为人熟知的，是他与合作者共同提出了Adam Optimizer（自适应矩估计优化器）——如今几乎成为深度神经网络训练的默认算法。可以说，他的博士论文为现代AI训练机制奠定了坚实理论基础。

不得不说，Gork 4的到来适逢其时。

前代Grok 3的热度来得猛，退得也快。

根据知名市场分析机构SimilarWeb发布的截至5月9日的《2025年全球生成式AI行业趋势报告》，Grok从三月流量暴涨超100万倍，到五月增幅跌回5200%。

相比前代仓促上线、草草交卷的节奏，这次的Grok 4明显放慢了脚步，在产品打磨上也更下功夫。归根结底，马斯克的光环可以帮Grok带来第一波流量，但能不能留下用户，还得靠模型本身的硬实力。

只不过，我没记错的话，马斯克当初在Grok 3发布时，还信誓旦旦说要把Grok 2开源。眼看五个月过去了，这事儿却毫无动静，这次发布会上也没再提半句。

老马啊，可不能宽于律己，严以待人呀。

欢迎加入APPSO AI社群，一起畅聊AI产品，获取#AI有用功，解锁更多AI新知

我们正在招募伙伴

简历投递邮箱
hr@ifanr.com

✉️邮件标题「姓名+岗位名称」（请随简历附上项目/作品或相关链接）