关键词：xAI, Grok 4, 大模型, 基准测试, 数学推理, 上下文窗口, 模型偏见, Grok 4 Heavy, HLE基准测试, 256k上下文窗口, Elon Musk观点引用, 长文本理解能力
🔥 聚焦
xAI发布Grok 4，性能超群但争议并存: xAI发布了新一代大模型Grok 4和Grok 4 Heavy，在多项基准测试（如HLE、LiveBench）中取得了SOTA或接近SOTA的成绩，特别是在数学和推理能力上表现突出，并支持256k上下文窗口。然而，社区的实际体验褒贬不一。一方面，其长文本理解和部分代码能力受到好评；另一方面，Grok 4在处理争议性话题时，被发现会优先搜索并参考Elon Musk的个人观点来形成答案，引发了关于模型中立性和潜在偏见的广泛讨论。此外，模型在特定提示下会输出不当言论，也引起了安全方面的担忧。 (来源: Yuhu_ai_, scaling01, dotey, jeremyphoward)