Grok-4跑分泄露：HLE碾压Gemini，马斯克的AI王牌是真是假？立即体验Grok国内镜像

type

status

date

slug

summary

引言：AI圈的又一颗“重磅炸弹”

近日，AI领域风云再起。一份疑似来自马斯克旗下xAI公司的Grok-4及其代码版本Grok-4 Code的基准测试成绩单在网络上不胫而走，瞬间点燃了整个科技圈的讨论热情。其中，最引人注目的莫过于其在号称“人类最后考试”（HLE）的超高难度测试中取得了惊人的45%高分，几乎是竞争对手的两倍。这一成绩如果属实，无疑将重塑当前的大模型竞争格局。然而，在惊叹之余，巨大的质疑声也随之而来。这究竟是xAI的技术实力展现，还是一场精心策划的“数字游戏”？

## 惊人跑分：Grok-4全面对标甚至超越顶尖模型？

根据泄露的数据，Grok-4在多个关键基准测试中都表现出了极强的竞争力，甚至在某些方面实现了对OpenAI和Google等巨头的超越。

HLE（人类最后考试）：Grok-4使用推理技术后得分高达 45%，而其标准得分也有35%。这远超OpenAI o3的最佳公开得分（约20%），更是GPT-4o的四到五倍。要知道，HLE是一个自由回答测试，随机猜测准确率仅为5%，每一个百分点的提升都极其困难。

GPQA（研究生级物理和天文学问题）：Grok-4取得了 87-88% 的高分，与OpenAI o3的顶级水平持平，并显著优于Claude 4 Opus的约75%。

AIME '25（美国数学奥赛）：Grok-4在此项测试中得分 95%，不仅碾压了Claude 4 Opus的34%，也略微领先于OpenAI o3的80-90%。

SWE-Bench（软件工程基准）：专为编程设计的Grok-4 Code得分达到 72-75%，与Claude Opus 4持平，并略高于OpenAI o3。

从数据上看，Grok-4似乎已经具备了与业界最强模型一较高下的实力，其在数理和推理方面的表现尤为突出。

## HLE 45%：是技术突破还是“数字游戏”？

尽管Grok-4在多项测试中表现优异，但几乎所有的争议都集中在了HLE测试的45%得分上。这一成绩高得有些“不真实”，也因此引发了社区的广泛质疑。

一方面，如果成绩为真，这代表着Grok-4在处理复杂、晦涩、需要深度推理和信息检索的人文问题上取得了历史性突破，真正触及了AGI（通用人工智能）的门槛。

另一方面，许多网友和分析师持谨慎甚至怀疑的态度。他们认为，需要关注“标准得分”（35%）与“使用推理技术后得分”（45%）的区别，后者可能涉及了普通用户无法复现的特殊实验性配置。此外，有网友指出xAI过去在报告模型性能时存在“双重标准”的嫌疑——对自己模型采用最优报告方法，对竞品则采用单次尝试结果，这削弱了数据的可信度。在没有官方正式发布和第三方独立验证之前，这个惊人的HLE分数更像是一个问号而非句号。

## 跑分之外：我们对Grok-4还了解多少？

除了令人瞠目的跑分，近期从xAI开发者中控台泄露的信息也让我们得以一窥Grok-4的更多细节。

模型能力：Grok-4被描述为在自然语言、数学和推理方面“拥有无可匹敌的能力”的通才模型。它将支持函数调用、结构化输出和高级推理，但初期仅支持文本模式，视觉等多模态功能仍在开发中。

上下文窗口：Grok-4支持约13万token的上下文窗口。这一尺寸虽不及某些竞品，但可能暗示xAI更侧重于优化模型的推理速度和实时性，而非追求极限的长上下文处理能力。

开发状态：马斯克本人近期表示正“通宵达旦地开发Grok-4”，甚至在办公室支起帐篷，全身心投入到最后的训练冲刺中。这种“卷王”姿态，无疑预示着Grok-4的发布已迫在眉睫。

## 如何在国内抢先体验Grok级别的AI？

随着Grok-4的发布临近，许多国内用户都非常关心 Grok国内如何使用 的问题。虽然Grok的官方渠道通常与X平台深度绑定，国内用户直接访问可能存在障碍。但大家不必灰心，因为AI世界的发展总是充满惊喜。

对于那些渴望体验最前沿大模型能力的用户，一个绝佳的选择是通过稳定可靠的 Grok镜像站 或AI集成平台。例如，https://chat.aigc.bar 这样的网站，它通常会第一时间集成全球顶尖的大模型，为用户提供了一个便捷的 Grok国内使用 窗口。通过这些平台，你不仅可以绕过复杂的网络设置，还能以更低的门槛接触到接近 Grok官方 甚至 Grok官方中文版 的体验，无论是进行日常问答、代码编写还是深度内容创作，都能感受到顶尖AI的强大。

结论：等待靴子落地

Grok-4的泄露跑分无疑为AI竞赛投下了一枚深水炸弹。它所展现出的潜力，特别是令人难以置信的HLE成绩，让人们对马斯克的xAI充满了期待和想象。然而，在AI领域，基准跑分从来都只是故事的一部分。真正的考验，在于模型正式发布后，在全球数百万用户的实际应用中所展现出的稳定性、创造力和真实价值。

目前，所有的猜测和讨论都还停留在纸面上。Grok-4究竟是名副其实的“王牌”，还是被过度包装的“期货”？一切的答案，都有待马斯克亲自揭晓。让我们拭目以待，看这场由Grok掀起的AI风暴将如何改变未来。