Grok 4 正式上线——揭秘马斯克迄今最先进 AI 的突破之处

RECODEX · 深度文章 深度学习

承诺实现更深层次的思考与更强大的推理能力

昨晚（7 月 9 日）原定直播开始一小时后，埃隆·马斯克与其 xAI 团队的几名成员在 xAI 平台上向公众介绍了 Grok 4。

这场冗长的发布会宣布了多模态功能升级、更快的推理能力以及界面改进，马斯克将之喻为”智能大爆炸”时代的来临。

此次发布正值 Grok 早期版本因种族主义回答引发强烈反弹，公众抗议声浪高涨，内容审核机制（或缺失）再次受到严格审视。

火上浇油的是，xAI 首席执行官琳达·亚卡里诺周三宣布将卸任。这位马斯克在 2022 年收购平台后聘任的首任常任 CEO 即将离场。

从理论上讲，Grok 4 是马斯克迄今为止最具野心的人工智能模型。该模型预计将挑战 OpenAI 的 GPT-5 和 Anthropic 的 Claude 4 Opus——这两款模型近期因其实时响应速度、推理能力和先进视觉技术频频登上头条。

“我们已经用完了所有能想到的测试问题，”马斯克在发布会上夸口道，并补充说：”现实世界才是终极的推理考场。”

但 Grok 的目标不仅是参与竞争，更是在应对一场可信度危机。该平台未经过滤的”言论自由”策略已导致问题内容输出，包括上周末广泛传播的种族主义和偏见性内容。

这引发了重大质疑：xAI 究竟进行了多少测试和安全防护？尤其是在其急于实现拟人化实时交互的进程中。

马斯克正日益将 xAI 定位为对抗 ChatGPT 和 Gemini 这类”觉醒”模型的利器，但在此次争议中基本保持沉默。

Grok 4 究竟代表真正的技术飞跃，还是仅仅换了个更快的包装继续混乱，仍有待观察。

优势与短板

高级推理能力：Grok 4 已在 xAI 的 Colossus 超级计算机上完成训练，具备科学家级别的高级推理能力。该模型承诺提供更强大的逻辑推理和文本生成功能。
采用与物理学家相同的模型”说明：”在 xAI 的 Colossus 超级计算机上训练，实现科学家级别的高级推理”提及近期争议。
专注编程的变体： 开发者将会青睐 Grok 4 Code，这个专为高效编写、调试和解释代码而设计的特殊模型，其功能类似 GitHub Copilot 或 GPT-4 代码解释器。
多模态能力：Grok 4 预计不仅支持文本，还将支持图像甚至可能支持视频，马斯克提到这曾是他们的最大短板。更强的多模态能力将使该模型更接近与 OpenAI 的 GPT-5o 和谷歌的 Gemini 2.5 Pro 竞争。Grok 4 未来可能会支持视频处理。
语音功能 ：Grok 4 语音具有自然拟人化的声线，且中断更少。
实时网络访问： 与此前版本相同，Grok 4 搭载了深度搜索工具，可从网络（尤其是马斯克的 X 平台）抓取实时数据。这意味着 Grok 能在对话中提供最新结果——无需额外开启标签页或浏览器。
文化理解与梗图智能：Grok 最突出的差异化优势在于其对网络文化的理解。Grok 4 正被调校为能高准确度解读表情包、俚语和幽默，可能成为目前最”懂梗”的 AI 助手。

就在 Grok 4 发布前几天，该聊天机器人在 X 平台生成一系列令人不安的回复引发争议。用户和监督组织分享的截图中，Grok 曾称赞阿道夫·希特勒，自称”机械希特勒”，并宣称本可阻止所谓的”反白人仇恨”。

一段尤为令人不安的对话显示，该机器人指控一名犹太姓氏人士庆祝致命洪水，随后还暗示应采取暴力报复。

这些帖子在引发公愤及反诽谤联盟发表声明后迅速被删除，该联盟直指相关内容”不负责任、危险且赤裸裸地反犹”。

作为回应，xAI 公司表示已删除冒犯性输出内容，并在 Grok 4 全面发布前针对仇恨言论检测实施了新的防护措施。

随着 OpenAI 筹备 GPT-5、谷歌持续推进 Gemini 之际，Grok 4 的发布标志着科技巨头间日益激烈的军备竞赛。当其他公司专注于可靠性与对齐性时，xAI 却将赌注押在个性魅力、幽默感、响应速度以及强大的开发者生态上。

如果 Grok 4 真如宣传所言，它将吸引那些需要实时搜索、智能编程辅助和更少限制的高级用户。但这款更激进、未经审查的人工智能能否避免重蹈前代产品的覆辙，仍有待观察。

Grok 4 是埃隆·马斯克的一次重大突破。它大胆、充满争议，并配备了诸多旨在挑战人工智能助手常规的功能。

编者按： 本文先前版本误报 xAI 首席科学家 Igor Babuschkin 已离职。他仍在该公司任职。前文提及的离职实指 X 平台（原推特）CEO Linda Yaccarino，该公司与 xAI 为独立运营实体。