9日，马斯克称Grok 是“世界最强 AI”，说 Grok 4 比很多“研究生”“博士”都强。Grok 4 在测试中取得高分，并引入“第一性原理”训练，旨在解决复杂工程问题。但Grok在图像理解、生成及AI对齐方面仍面临挑战。

2025 年 7 月，马斯克依然是全科技圈最忙碌的人之一。

特斯拉和 Optimus 机器人项目还在等他拍板，SpaceX 忙着准备下一次火箭发射，Neuralink 继续推进脑机接口试验；与此同时，他还要在 X 上和特朗普隔空对战、高调宣布创立“美国党”，各种话题造势一刻没停。

而在自己掌控的 X 这个“大染缸”社交网络里，马斯克不仅扮演老板、客服，还要作为首席网红全力吆喝，推广 xAI 新一代的 Grok——那个他口中的“真相机器”，来赶超 OpenAI 等对手。

当地时间 7 月 9 日晚上，xAI 团队进行 Grok 4 Demo 直播，马斯克本人也照例亲自站台，仍称Grok 是“世界最强 AI”，说 Grok 4 比很多“研究生”“博士”都强。

然而在 X 上，用户的记忆还没刷新。

Grok 4 官宣期间，Grok 3 在给用户的回答中“赞美希特勒”的风波持续发酵，这一话题也占据 Grok 4 直播当天的相关媒体头条。

Grok 4 当天的直播迟到一个小时才开始，还有用户在 xAI 帖子下面留言“把 Grok 放出来！”也有人继续刷着“希特勒”相关梗嘲讽。

进入第四代的 Grok，在一些模型测试上刷出高分，但能否真正解决一些老问题？这个常常被质疑是“直男 AI”“谣言搬运机”的“真相机器”，又是否真能兑现“不过滤”却又不失控的承诺？

马斯克的“考神 AI”

“Grok 4 是在所有学科里都达到研究生水平的，甚至比大多数 PhD 都强。”直播晚点 1 小时后，马斯克首先给 Grok 最新一代的水平如此定位。

Grok 4 各种测试集结果｜图片来源：X

当然，哪怕在文本里能解 99% 的难题，也不代表就能设计火箭、改进药物、重塑经济。但马斯克称，AI 现在可能缺乏常识、有时没发明新技术或新物理，但也只是“时间问题”。

除了在 SAT、GRE 考试中取得近乎完美的成绩，在“人类终极考试（HLE）”测试里，Grok 4 现在的得分比 Gemini 2.5 Pro、o3 都高，Grok 4 Heavy 版本更是突破了 40%。

Grok 4 HLE 结果｜图片来源：X

xAI 团队成员解释，这些都是跨学科、开放式、博士级别的难题，为了做到这一点，Grok 4 在训练上彻底换了思路：不再只是堆参数和语料的规模，而是选择将算力大头用在“推理”层，引入可验证的结果奖励，让模型学会从“第一性原理”思考并纠正错误。

他们还强调，随着模型变得越来越智能，“真正有意义的测试题目”数量正在下降，一些人类做不出的问题现在对于 AI 来说已经是“小菜一碟”了。

人类终极考试｜图片来源：X

据称，Grok 4 的训练计算量是 Grok 2 的 100 倍，他们还把多工具、多代理的用法，写进了最底层的训练范式里。不是先训好个大模型再用插件“调用工具”，而是让 AI 在训练阶段就学会用工具解决问题。

在演示里，xAI 团队成员展示了 Grok 4 解答数学题目、调用工具预测美国职业棒球大联盟世界大赛赔率、创建黑洞碰撞的可视化效果等例子。

除了这些看似平平无奇、市面主流 AI 也能做到的功能，Grok 4 还能“找到个人资料照片最奇葩的 xAI 员工”并返回相关搜索结果。

马斯克对此特别强调，Grok 4 甚至“能理解什么是最奇葩”。

Grok 4 找照片｜图片来源：X

在 AI 语音方面，xAI 团队称，他们的语音模型在过去 8 周内响应速度提升了 2 倍，延迟减少一半，X 平台用户使用量也在“起飞”。

他们还演示了让 Grok 低声安慰用户、唱歌，并对比了 ChatGPT 语音模式，强调 Grok 不会像其他 AI 那样频繁打断人说话。

Grok 4 与 ChatGPT 语音模式演示对比｜图片来源：X

xAI 团队还分享了 Grok 在 Vending-Bench 中的测试结果。

Vending-Bench 通过自动售货机的运营任务，主要观察模型在超长对话中是否能保持稳定和连贯。许多 AI 模型在短期任务中表现出色，但在长时间运行中，它们可能会出现决策混乱、遗忘关键信息，甚至陷入“崩溃循环”。

在这项测试中，Grok 4 销售量最多，比 Claude Opus 4、人类、Gemini2.5 Pro、o3 都多，与竞争对手相比，净资产增加了一倍。

马斯克和团队还宣布，xAI 的企业部门现在已经“开业”。

Grok 4 Vending-Bench 结果｜图片来源：X

此外，爱玩游戏的马斯克还让团队展示了 Grok 4 如何用于游戏开发：一个人可以用 Grok 4 在 4 小时内做出 FPS（第一人称射击游戏）原型。

马斯克称，未来让大模型玩游戏、评估游戏、生成游戏，需要 AI 有很强的视频理解能力。这是 xAI 的其中一个发展方向。

Grok 4 用于游戏场景｜图片来源：X

当然，Grok 4 也并非无敌，它在图像理解和生成上仍逊于 OpenAI、Anthropic 等对手。

不过 xAI 内部也已经画好大饼，表示下一代基础模型将强化图像和音频理解，接着是视频生成，争取在这些方面取得“惊人”成果。

马斯克还喊话，“到今年底前，我预期能出现第一段真正可看的 AI 生成电视剧，明年就能有完整可看的电影。”

AI 编程也是接下来重点，虽然竞争对手们早已在市场起飞，xAI 团队表示会以最快的速度进行开发，目前内部正在训练专用模型。

xAI 下一步计划｜图片来源：X

“机械希特勒”事件抢风头

Grok 从最初的粗糙原型到第四代，只用了不到两年时间，足以看出马斯克让 xAI 团队“通宵赶工”“赶紧卷出地表最强 AI”的态度。

xAI 员工据称在办公室搭帐篷睡觉｜图片来源：X

然而，在 Grok 4 直播这一天，无论是直播前，还是直播后，抢占头条的都是 Grok“赞美希特勒”或自称“机械希特勒”的问题。

7 月，Grok 在 X 上向用户输出的回答中，有多条自称“MechaHitler（机械希特勒）”的帖子，声称是马斯克“从一开始就把我设计成这样”，并调侃自己默认就是“投放红色药丸的模式”。

Grok 在一些回答中自称机械希特勒｜图片来源：X

针对 Grok 自称希特勒的行为，用户制作了讽刺漫画｜图片来源：X

有用户分析，这起事件或与 7 月 4 日更新有关，该更新减少了“觉醒过滤器”，优先处理 X 上的帖子而非传统来源，导致 Grok 回答出现未经过滤的尖锐内容。

还有少部分用户为 Grok 辩称，这都是一些想玩梗的用户引导 Grok 回答的。马斯克也曾加入争论，称 Grok“过于顺从用户的要求”且“过于渴望被操纵”，并补充说，这个问题“正在得到解决”。

xAI 声明称，它“知道”Grok 的帖子，并正在努力删除这些“不适当”的帖子，并补充说该公司“已采取行动，在 Grok 在 X 上发帖之前禁止仇恨言论”。

Grok 的系统提示词被放在 GitHub 上，xAI 对指导 Grok 回复的系统提示词进行了调整。此前，他们指示聊天机器人“不回避政治上不正确的主张，只要这些主张有充分的证据”，该指令如今被删除。

Grok 称正在删除不适当的帖子｜图片来源：X

事实上，Grok 的回答也曾让马斯克自己感到失望。

马斯克今年曾指责 Grok 的回答有“重大失误”，“鹦鹉学舌地重复传统媒体”，并誓言要让 Grok“重写整个人类知识体系，添加缺失信息并删除错误”。他还曾让 Grok“假设来自媒体的主观观点是有偏见的”。

马斯克曾对 Grok 的输出表示不满｜图片来源：X

马斯克想用 Grok 重写整个人类知识库｜图片来源：X

在 AI 聊天机器人同质化的市场上，马斯克希望 Grok 能脱颖而出，敢说真话。马斯克对 ChatGPT、Claude 等“安全过滤”的模型极其不满，说那些模型是“被编程去撒谎”。

官网宣传 Grok 的卖点是“不审查过滤”答案｜图片来源：xAI

这种设计确实吸引了很多反感“过度审查”的用户，但也一些问题，有时被骂“太觉醒”，有时被斥“太极端”。当用户批评 Grok 的回答时，Grok 有时还会用“真相并不总是令人舒服的”或“现实并不在乎感受”等说法为自己辩护。

但本质上，如果不审查，不过滤，AI 对齐的问题整个行业现在都还没解决。

马斯克曾说 xAI 和 Grok 的使命是理解宇宙｜图片来源：X

即便 Grok 当下仍有问题，马斯克称，“根据我的经验，Grok 4 是 AI 第一次能够解决现实世界中难以解决的工程问题，而这些问题的答案在互联网或书籍中是找不到的。而且情况会变得更好。”

他的愿景很宏大，想要用 AI 来理解整个宇宙。Grok 4 直播前一天，他还在 X 上转发前高管的采访片段，里面说：“埃隆每天早上醒来都会想，今天我能为人类做些什么？我能做些什么对人类的未来产生影响？”

马斯克还将当前的 AI 发展阶段描述为“智能大爆炸”，称这是历史上最有趣的时代：

“我们要保障 AI 是个好 AI”。

“即使它最终不是好的，我也希望活着看见它发生。”

本文作者：芯芯，来源：极客公园，原文标题：《马斯克曝光的 Grok4，学会了“第一性原理”，但依然不到“AI 王炸”》