2025年7月9日马斯克的xAI公司开发布会，发布了Grok4，马斯克称其为“世界上最好的AI”，其能力和水平远超所有学科的硕士和博士水平。

发布会上对Grok4核心优势的宣传主要有两点：一是Grok4学会了第一性原理，二是Grok4挑战HLE测试，达到了44+%的测试成绩，远超第二名Gemini2.5 Pro的26%+成绩。

(在这里对第一性原理和HLE测试做个补充说明：

• 第一性原理：是由古希腊哲学家亚里士多德提出的哲学观点，“每个系统中存在一个最基本的命题，它不能被违背或删除”，通俗一点的理解，第一性原理是让人从最基本、最本质的视角出发，通过逻辑推理来理解事务的方法。马斯克的Grok4学会了第一性原理，代表其推理能力达到了一个很高的程度，起码遇到问题不会硬套公式和模式，而是能够结合问题的本质需求进行深度思考，给出更合理的解答。
• HLE测试（英文全称Humanity’s Last Exam），意思为”人类最后的测试”，光听这个名字就知道这个测试有多难了，包含2500个极具挑战性的问题，覆盖数学、人文学科、自然科学等超过100个学科，设计为无法通过简单的互联网检索快速回答的问题，测试采用开源题库 + 人工评测 + 自动评分相结合的方式进行，非常贴合真实复杂任务。)

接下来，我们就从Gord的实力表现、存在问题和挑战角度来进行剖析，看看Grok4真有这么强还是马斯克的自吹自擂？

一、Grok4的真实实力表现

（一）学术测试成绩亮眼，多数测试都位居第一

Grok4在多项高难度学术测试中展现出卓越能力。

在AIME 2025（数学）测试中，正确率达到100%，位居第1名，远超第2名的98.4%。

USAMO 2025（美国数学奥林匹克）测试中，以61.9%的正确率获得第1名，领先第2名12.5个百分点。

LiveCodeBench（2025年1–5月）测试中，取得79.4%的正确率，位列第1，超过第2名3.6个百分点。

HLE测试中，不借助外部工具得分25.4%，借助外部工具44.4%，都远高于第二名。

还有测试显示，Grok4能正确解出刁钻的实时场景下的量子纠缠物理题，并建议改进实验设计的思路。

难怪马斯克都特意发推特表示：Grok4几乎从不答错数学或物理考试题，甚至能发现题目中的错误或模糊之处，自行修正后给出所有可能版本的解答。

从这一点来看，Grok4的学术能力角度上，确实能够称的上最好的AI。

（二）商业模拟能力测试表现出碾压优势

Grok4不仅在学术测试中成绩亮眼，在商业模拟能力方面也表现出碾压优势。

在“售货机基准测试”（vending bench）这一模拟商业场景中，Grok4收益远超其他模型和人类玩家。

具体数据为：

• Grok4收益为4694.15美元，是第二名的2倍还多。
• ClaudeOpus4收益2077.41美元
• 人类玩家884.05美元
• Gemini2.5Pro(预览版)786.34美元
• OpenAI的o3模型1843.11美元

以上体现了Grok4在长期规划、经济推理和实时决策等方面的硬实力。

二、Grok4存在的问题与挑战

虽然Grok4在真实测试中各方面表现都遥遥领先，但也存在一定的问题和挑战。

（一）存在的问题

1、暴力堆算力模式，长期持续性存在问题，性价比会越来越低

Grok的各代模型从Grok2、Grok3到Grok4，每一阶段使用的算力都比上一代多10倍左右。

这种对算力的极度依赖意味着持续的、巨大的资源投入。

虽然目前xAI可能依靠融资等方式支撑，但长期来看，这种“暴力堆算力”的模式是否具有可持续性，以及一旦算力增长遇到瓶颈，模型性能提升是否会陷入停滞，都是需要考虑的问题。

而且随着模型能力的不断提升，越往后其对算力的需求都会呈现指数性增长，依靠算力堆砌来换取性能提升的模式性价比会越来越低。

2、Grok4是闭源商业版，需要付费订阅，订阅费高昂

Grok4分为普通版Grok4和Grok4 Heavy。

其中，Grok4 Heavy作为全新的订阅方案，价格高达每月300美元或每年3000美元，折合人民币2万多元。

如此高昂的价格，对于广大普通用户甚至许多企业来说都是一笔不小的开销，这极大地限制了其普及和应用范围，也引发了关于其价格合理性的质疑。

所以有人就提出了，Grok4是面向精英阶层的工具，对于普通大众的友好度太低，随着Grok4性能提升，精英阶层与普通民众的差距也会越来越大，无疑会进一步增强阶级断层。

当然，对于国内民众来讲，Grok4能否顺利踏入国门也是未知的，假若Grok4能顺利进入国内，哪怕其性能具有优势，但在国内目前竞争环境中估计也很难创出一片天。

毕竟国内的百度文心一言、DeepSeek等模型都是开源免费，性能也不差，基本能满足日常所用。

3、实际应用与宣传效果的差距有待验证

尽管在学术测试和商业模拟中表现出色，但这些场景与现实世界的复杂环境仍存在一定差异。

Grok4在实际应用中能否持续稳定地发挥其宣称的强大能力，例如在真实企业管理、复杂科学研究等领域，还需要更多的实践检验。

目前的测试结果更多是在特定设定环境下取得的，其泛化能力和鲁棒性有待进一步观察。

所以仅依赖于特定环境的测试结果，就把Grok4吹上天，也有失公允。

真正要验证实际效果，就得像DeepSeek一样开源出来让大家在各行各业都用起来，靠实际验证和提升，而不是仅仅停留在实验室环境和较少用户群体中。（我的小算盘打得挺好，总是想白用开源模型，哈哈）

（二）面临的挑战

1、超级智能的安全与控制风险

马斯克曾表示Grok4可以在今年内实现科学新发现。

当AI具备超越人类的推理能力并能自主进行科学探索时，其潜在的安全风险不容忽视。

如果Grok4在某些研究方向上出现失控，或者被用于恶意目的，可能会对人类社会造成难以预估的危害。

例如，在生物技术、军事科技等敏感领域，若AI的研究成果被滥用，后果不堪设想。

目前，对于如何有效控制和引导这种高级AI的发展方向，全球尚未形成统一且有效的伦理规范和监管框架。

2、决策过程的不透明性与责任界定难题

Grok4能够处理复杂问题并给出解决方案，但其决策过程如同一个“黑箱”，人类难以完全理解其内部的推理逻辑和思考路径。

当AI做出错误决策并造成损失时，责任该如何界定？

是开发者xAI的责任，是用户的责任，还是AI本身的责任？

目前法律和伦理层面对此尚未有明确答案。

这种不透明性也可能导致AI在决策过程中隐含偏见，例如在招聘、贷款审批等可能涉及公平性的场景中，如果训练数据存在偏见，Grok4可能会做出歧视性的决策，而其不透明的决策过程使得这些偏见难以被发现和纠正，从而侵犯个体权利，破坏社会公平正义。

三、最后

人工智能是未来的趋势，是机会也是挑战。

抓住机会的会获益，没抓住的会被挤压既有利益和生存空间。

我们所能做的只能是学会拥抱AI，学会利用AI。

时代在变化，技术在变革，思维在转变，唯一不变的就是不断变化、不断适用。