Grok 4实测：马斯克这次AI真干了硬活，性能直接爆了！

这次要聊的主角是马斯克家的 Grok 4，说实话，我原本是抱着“看看热闹”的心态点开直播的，结果看完后，我只能说：这个真的爆了！

这不止是马斯克嘴硬说“世界上最聪明的AI”，而是真干了点硬活，尤其是开发者关心的“代码能力”和“推理能力”，简直是奔着SOTA去的。

下面来看看，我是怎么理解这个Grok 4到底强在哪，它跟GPT-4、Claude、Gemini这些大佬们的正面对比，又有啥看头。

1）开场就猛：Humanity's Last Exam 直接封神！

这个“人类最后的考试”（Humanity’s Last Exam，简称HLE）说白了就是一场极限拉扯，主打“跨学科PhD水平”的综合测试。

Grok 4拿下了 **45%，比 Gemini 2.5 Pro 的 21% 高一倍多！这啥概念？在这种考试里，Claude 4 Opus都没到40%**，Grok 4几乎把现有所有SOTA都拍了一遍。

当然，这个分数后面也有争议，说不清是不是调了题，但光就这个数字，已经是目前已知最高分了，不管你服不服，性能是实打实放在那儿的。

2）两个版本，开发者专属的 Grok 4 Code 真香！

Grok 4 一共出了两个版本：

• 通用版 Grok 4：偏向写作、翻译、日常办公，用起来跟 GPT-4 类似，但支持函数调用、结构化输出、逻辑推理，属于“思路清晰+信息准确”的类型。
• 程序员专属的 Grok 4 Code：这个是我重点关注的。代码生成、调试、构建应用、文档生成、上下文保持，功能简直像是集成了 VSCode Copilot + Notion AI + Replit Ghostwriter。

官方数据也不客气，直接说自己编程能力已经并列世界第一，在 SWE-bench 上打平 Claude，逻辑准确率和结构推理能力全面碾压 GPT-4。

更离谱的是：内置代码解释器 + 函数调用 + JSON结构输出 + 多模态识图解释 + 即将开放的图像/视频生成接口！

这一整套下来，你说这不爆谁爆？

3）思考能力新范式：“第一性原理”推理真不是吹的

Grok 4提出了个新概念：First Principles Reasoning（第一性原理推理）

我一开始还以为是个营销术语，结果实际用下来，发现这货在多步骤逻辑题、数理推理题里的表现比 GPT-4 强多了。

比如你问它一道复杂的函数链嵌套逻辑题，它不但能答对，而且中间的推理过程写得特别完整清晰，感觉就像真的是个 PhD 物理出身的人在一步一步拆解。

以前GPT-4经常“跳步骤”或“瞎扯结论”，Grok 4明显有在规避这问题，从结构化推理角度已经有质变。

4）多模态能力：目前是“文本+图像解释”，未来一锅端！

虽然现在还不支持图像生成和视频生成，但从路线图上看，几个月内将加入图像生成+视频生成+语音生成。

目前版本已经可以做到：

• 支持文本到文本
• 支持图片上传并进行描述和修改
• 支持函数调用+结构化输出

比如你给它一张复杂的图表，它能解析出你要的数据趋势。这个功能在金融、医疗、科研这些场景真的太实用了。

而且未来将拓展到视频编辑、语音唱歌、ASMR互动... 还给你整了个会唱歌的Eve虚拟助手，这...是不是有点走偏了？不过技术上真的有点牛！

5）性能对比：各大模型挨个爆踩

来看几个关键对比数据：

而且速度也不差，75 token/s 虽然不如 o3 的188，但比 Claude Opus 的66快多了。

性能、准确率、推理能力、工具链支持、价格都处在第一梯队，在一些场景甚至优于GPT-4、Claude 4！

6）价格怎么说？依然不便宜

Grok 4 的定价和 Grok 3 一致：

• 15 每百万输入/输出 tokens
• 对标 Claude 4 Sonnet，略高于 Gemini 和 o3

同时推出了一个“SuperGrok Heavy”订阅计划，月费 $300，给你 Grok 4 Heavy 工具增强版的访问权限。

说实话，这个价位确实高，但对于公司或重度用户来说，性能值那个价。

7）争议点也有，但目前瑕不掩瑜

当然也不是没有问题：

• HLE 45%这个分数到底怎么测的？外界说法不一，有人怀疑是工具加成或者题库问题。
• Grok 3曾经“翻车”过，所以很多人对Grok 4持观望态度。
• 多模态功能目前还没全部开放，有点“PPT先行”的味道。

但话说回来，大模型发展到今天，谁没有争议？关键是要看产品线的持续演进和开发者社区的活跃度。

特别是程序员朋友们，Grok 4 Code这个版本强烈推荐！

有问题欢迎交流，我们下篇再见～