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。
2025 年已经过半， 文本生成大模型是否已经进入下半场了？ OpenAI 完全不重视 API 市场？ Grok3 根本没人用？ 「大模型战」未来的走向如何？
在互联网信息检索任务中，即使是很强的LLM，有时也会陷入“信息迷雾”之中：当问题简单、路径明确时，模型往往能利用记忆或一两次搜索就找到答案；但面对高度不确定、线索模糊的问题，模型就很难做对。
刚刚，Grok 4 和 Grok 4 Code 的基准测试结果疑似泄露。X 博主 @legit_api 发帖称，Grok 4 在 HLE（Humanities Last Exam，人类最后考试）上的标准得分是 35%，使用推理技术后提高到 45%；在 GPQA 上的得分是 87-88%；而Grok 4 Code 在 SWE Bench 上的得分则达到 72-75%。
就在刚刚，xAI再获百亿美元融资，估值飙至1130亿。而xAI控制台中，已有源代码流出，Grok 4和Grok 4 Code即将上线！现在，全网都在搓手以待，Grok 4的诞生，将怎样搅动当前顶尖大模型的局面。
划一句就能查真伪，但中文、语境理解仍是短板。
近日，一位 ID 名为 GpsTracker 的网友在网上爆料称，埃隆·马斯克旗下 xAI 公司最新发布的 Grok 3 人工智能模型存在异常行为——当用户激活其“思考模式”提问时，模型竟自称是竞争对手 Anthropic 公司开发的 Claude 3.5 模型。
各位有没有发现，最近大家对大模型已经有些看麻了？反正我是看到相关话题的文章流量、社交平台上的热度，对模型的关注度明显有点降下来了。 比如最近 Qwen3、Gemini2.5、GPT-4.1 和 Grok-3 等这么密集的有明显新进展的优秀模型发布，要是放到 2 年前，铁定是个炸裂的一个月。
5 月 14 日凌晨，X 平台的用户发现，Grok 在回应各种无关问题时，会固执地转向一个敏感话题：南非的“白人种族灭绝”。比如，用户询问棒球运动员 Max Scherzer 的薪水，“MaxScherzer 今年不打球真的能赚 7200 万美元吗？”
OpenAI发布新基准HealthBench，联手60个国家262名执业医生，树立新的「AGI标志性用例」。OpenAI o3碾压Grok 3和Gemini 2.5 Pro，成功登顶。而最强AI几乎达到了人类医生最佳水平！
