Grok 4 在 HLE 上的标准得分约为 35%，使用推理技术后提升至 45%，最强成绩比 OpenAI o3 的公开得分高出一倍，是 Claude 4 Opus 的四倍多。要知道 HLE 是一个自由回答测试，随机猜测准确率仅约 5%，因此每个百分点的提升都非常困难。
其中，网友讨论最多的就是 Grok 4 在 HLE 上达到了惊人的 45%，几乎是 Gemini 2.5 Pro 成绩的两倍。如果泄露的测试结果属实，那么意味着 Grok 4 通过了 AI 基准测试中最艰难的一关。
有网友总结道，目前 Grok 4 泄露出来的所有基准成绩，除了 HLE 以外，其他的看起来似乎还算「合理」。不过 HLE 能跑到这么高分又应该如何解释呢？毕竟这个基准中包含很多晦涩难懂的信息检索。
截图显示，Grok 4 仅支持文本模式，视觉、图像生成及其他功能即将推出。Grok4 支持约 13 万 tokens 上下文窗口，较许多竞争对手的前沿模型要小，这可能表明 xAI 在优化推理速度和实时可用性，而非追求最大化的长上下文性能。从功能上来看，Grok 4 将包括函数调用、结构化输出和推理能力。
还有网友扒出了 xAI 开发者中控台的源代码，这些代码显示，Grok 4 是一个在自然语言、数学和推理方面「拥有无可匹敌的能力」的通才模型，并在当地时间 6 月 29 日完成了训练，其标语为「Think Bigger and Smarter」。
上个星期，马斯克在推文中表示，他正「通宵达旦地开发 Grok 4」，模型开发「进展良好」但仍需进行「最后一次大规模训练」，特别是在专门代码模型方面。为了这一目标，从上月底开始，马斯克带头在办公室内支起帐篷睡觉，以全身心投入工作。
泄露的分数不仅刺激了广大网友的小心脏，也在刺激着众多 AI 科技公司。马斯克今天虽然没有如之前预测的那样「官宣」Grok 4 开源，但表示推特上的 Grok 功能有了明显的提升。
XXX18为将球员健康重新置于讨论核心，我们共同有责任确保将球员健康置于任何其他考量之前。这需要严格的医疗对话、风险共商机制以及俱乐部与国家队之间系统化的临床信息共享。眼瞅着家门口生产的保险柜不愁卖，村里人纷纷效仿办起了小工厂。这些不起眼的小工厂从无到有、由少到多，为日后的庞村镇钢制家具产业发展奠定了基础。XXX18男欢女爱免费观看武则天电视剧“在不久的将来，我们将对一颗对地球存在潜在威胁的小行星实施动能撞击演示验证任务，先获取其详细特性参数，然后对其实施高速撞击。”中国探月工程总设计师、深空探测实验室主任兼首席科学家吴伟仁表示，我国将构建相对完善的近地小行星探测与防御体系。2024年，公安县公安局认为郭志香“拿走”董华巨额资金之举，涉嫌盗窃罪，将郭志香刑拘。公安县检察院后同样以此罪名向法院提起公诉。
20251003 ? XXX18吸引这些城市白领的，不只是雨天翻倍的单价、活动激励的“红包雨”，还有每一单的完成，感受到的是一次压力的释放，一份确定的收获感。17c.com.gov.cn过去，自民党曾三次在参议院选举中失利，时任自民党总裁和日本首相无一例外下台担责。目前，石破茂是唯一仍在留任，或者说仍在摇摆不定的人。
? 刘玉娜记者 张军 摄
20251003 ? XXX18草稿为何会出现“支持原告”与“不支持原告”的结论差异？该工作人员解释称：“系统跳档时把修改过程中的所有草稿内容混在一起了，包括错别字检查、法律条文核对等修改痕迹都错误地体现在了第一个发送的版本里。我们发现问题后立即联系当事人，说明系统故障情况并承诺重新发送正确版本，整个过程都有通话录音为证。”乳房天天被老公吃大了如何恢复我认为我们错过了几次加快比赛节奏的时机。也许埃泽今天在10号位上没能展示出最佳状态，马杜埃凯的最后一传也不够精准，拉什福德有一些好机会但没能实现终结。这些情况在面对密集防守时是有可能发生的，而第二个进球应该来得更早一些，因为那会给我们带来更多自由发挥的空间。我们学到了很多东西，我为球员们感到高兴。现在，我们要在贝尔格莱德证明自己。
? 孙海涛记者 申婷婷 摄
? 9月3日，纪念中国人民抗日战争暨世界反法西斯战争胜利80周年大会隆重举行。当受阅部队迈着铿锵步伐出现在天安门广场时，队列中一名年轻战士的目光格外坚定——他是肖荣基，卫国戍边英雄肖思远的弟弟。作为陆军方队的一员，他正接受党和人民的检阅。图书馆的女朋友
