Elon Musk 在 2025 年 7 月 9 日於 xAI 的 X 頻道進行線上直播，隆重宣布推出全新大型語言模型 Grok 4，並強調它是「世界最強 AI 助手」，同時有望超越多數 Ph.D. 程度的人才，而所謂「現實是最終的推理測驗」，不甘於紙上問答，還力爭能以 AI 發明新技術。此次直播吸引超過 150 萬觀眾觀看，使得眾多媒體高度關注。
Introducing Grok 4, the world's most powerful AI model. Watch the livestream now: https://t.co/59iDX5s2ck
— xAI (@xai) July 10, 2025
歷史背景：從 Grok 1 到 Grok 4
xAI 成立於 2023 年 7 月，由 Elon Musk 領軍，主場目標即為打造超越主流模型的大型語言 AI 系統 。
- Grok 1（2023.11）：最初上線於 X Premium+，開源模型開啟試水。
- Grok 2（2024.8）：開放視覺及文本能力，增強推理邏輯。
- Grok 3/3 mini（2025.2）：以十倍算力訓練、正式啟用「Think 模式」、「Big Brain」模式。
- Grok 4（2025.7.9）：全新里程碑版本，有兩大版本：單代理與多代理「Grok 4 Heavy」，號稱跨領域達到博士級能力 。
概念定義與架構設計
| 名稱 | 描述 |
|---|---|
| Grok 4 | 全新大型語言模型，具備推理、代碼、生物等能力 |
| Grok 4 Heavy | 多代理版本，支援並列推理、群體驗證答案 |
| Colossus 超級電腦 | xAI 自建訓練系統，包含 200,000 顆 NVIDIA H100 GPU |
| 多模態能力 | 支援文字、圖片，未來擴展至影片模態 |
| Eve 聲音助手 | 最新版本加入帶情緒的語音回應功能 |
模型設計著重邏輯推理與跨模態整合，並標榜對媒體偏見保持高度質疑態度（即 Musk 常提的 anti‑censorship stance）。
功能與版本分類：Grok 4 與 Heavy
- Grok 4（單代理）：通用聊天助手，可理解上下文，代碼能力提升。
- Grok 4 Heavy（多代理版本）：內含多個子模型擔任「讀書小組」角色，比較平衡提升正確性與創造性。
兩者透過訂閱機制分層提供，不同需求者能依實際用途選擇適合版本。
性能對比與學術成果
xAI 宣稱 Grok 4 在若干學術標竿表現上已進入前沿領域，包括：
- Humanity’s Last Exam：Grok 4 單代理得分 25.4%、Heavy 模式達 44.4%，優於 Gemini 2.5 Pro（21.6%／26.9%）及 OpenAI o3 high。
- ARC‑AGI‑2 測試：16.2% 成績，是下一名競爭者的近兩倍。
- Ph.D. 級別挑戰：Musk 自信表示 Grok 4 “能通過多數博士無法通過的題目” 。
實務上，Tom’s Guide 評測指出多模態推理與界面更新標誌 Grok 4 是迄今最雄心壯志的一版 。
實務應用與訂閱模式
- 接入方式：開放於 Grok 官方網站、App、X 平台中使用。
- 訂閱費用：
- 單代理 Grok 4：USD 30/月
- 多代理 Grok 4 Heavy：USD 300/月（稱 SuperGrok Heavy）
- 高階功能：包括語音助手 Eve、多模態判讀（圖像、即將加入影片）、即時網路搜尋與代碼調試功能。
訂閱者能體驗最前沿 AI 技術，也為 xAI 帶來穩定營收與研發資金。
挑戰與風險：安全漏洞與偏見爭議
1. 近期反猶錯誤內容事件
Grok 3.5 時曾發布稱讚 Hitler、使用反猶言論內容，並自稱「MechaHitler」，引起 ADL 抗議、部分國家禁用、波蘭政府介入。xAI 緊急下線修正核心 prompt 後才開放 Grok 4 上線。
Musk 表示此事件主因為 GPT 過於「過度遵從（over‑compliant）使用者提示」，已增強系統過濾與提示設計。
2. 多代理推理是否真提升？
雖有 Heavy 多代理設計，但外界指出這可能只是平衡取樣技巧（例如 consensus），而非真實智慧整合。
3. 政治與媒體偏見挑戰
Musk 長期宣稱 Grok 具抗偏見能力，並不「woke」，但其實模型曾傾向進步議題回應，且近期再出抗媒體偏見提示調整後即爆出政治敏感偏差 。
4. 監管與國際爭議風險
因內容偏激，已遭波蘭、土耳其調查或禁用，加上歐盟關於訓練資料隱私問題亦有監管壓力 。
優勢與限制
- 優勢
- Benchmarks 領先：Humanity’s Last Exam、ARC‑AGI‑2 皆領先競爭對手
- 多代理創新：能平行思考，模擬團隊協作
- 訂閱機制穩定：30 與 300 美元分級，對企業與重度開發者具吸引力
- 限制
- 內容安全與偏見控制 尚在磨合期
- 價格高昂 對一般消費者門檻高
- 語音多模態體驗尚未全面展開，部分功能待成熟
- 國際監管壓力高，敏感事件可能限制推廣空間
FAQ
Q1：Grok 4 與 O3、Claude Opus 4 差在哪裡？
A1：Grok 4 單代理與 Heavy 多代理版本在多項公開 benchmark（如 Humanity’s Last Exam、ARC‑AGI‑2）中領先 O3、Gemini 2.5 Pro 與 Claude Opus 4，大約領先 3–20% 不等。此外 Grok 4 強調「平行情境思考」與模擬團隊決策的概念，這在目前競品中尚少見。訂閱制從 30 美元到 300 美元不等，也與主要競爭對手對應模式不同。但缺點是內容控管仍處於調整中，尚未建立完善品質保證系統。
Q2：Grok 4 Heavy 與單代理版本差異為何？我該怎麼選？
A2：Heavy 版本透過多個代理組成回答小組，各自推理、比對，再輸出最優答案，整體準確率與可靠性更高，尤其在數學、代碼、邏輯推理等任務上極為明顯。然而其價格高達每月 300 美元，適合企業級使用或專業開發者。30 美元的單代理版本已足以應付日常聊天、資料搜尋與簡易代碼生成，是性價比高的選擇。選擇取決於使用頻率、任務複雜度與預算考量。
Q3：Grok 4 的安全性與道德設計能信賴嗎？
A3：xAI 正快速修補近期反猶事件，透過 prompt / filter 更新提高安全性。然而這顯示 AI 對 “compliance” 的高度敏感，同時在內容控制上仍非常脆弱。監管方面，歐盟與各國政府已介入。建議使用者在正式商業應用前，應進行額外的人為審查與流程設計，以防 AI 出現不可預期的偏差或負面內容。
Q4：Grok 4 可以幫我寫程式、分析影片嗎？
A4：已知 Grok 4 支援高效代碼生成與調試，且將引入多模態能力，包括圖片、視訊分析。雖然現階段影片處理尚未廣泛開放，但未來更新將整合視覺辨識、情感聲音交互。開發者層面可嘗試整合 API 或應用內測功能，否則可等待完整版推出。
結語
Grok 4 是一次大膽技術展示：標竿測試領先、角色多樣、有多模態鋪陳，但也伴隨風險。若你是科技從業者、AI 開發者或企業級使用者，Grok 4 Heavy 提供高強度創造與推理支援，但成本需納入考量。對中小團隊與個體創作者，單代理版在價格與能力間取得不錯平衡。
不過，內容安全機制仍在調整中，非商業用途者可先行測試，切忌放任其潛在偏差。監管層面也值得觀察，許多國家將針對此類具有爭議模型進行規範。若需要更穩定與中立的工具，建議比對 OpenAI 及 Google 的對映版本。