克雷西 发自 凹非寺 量子位 | 公众号 QbitAI 发布还不到一天，马斯克的Grok4就已经被网友们玩疯了。 比如有网友报告，Grok-4已经 成功通过了著名的六边形小球氛围编程测试 。 只见随着六边形的不断旋转，小球错落有致地从开口下落。 拿着显微镜捉虫的网友发现小球在返回中心位置时会穿墙，但作者表示这是故意为之。 | Plutus � @PlutusCosmos · 17小时 | | | | | --- | --- | --- | --- | | The balls penetrate the walls when the go back to the center. Is it intended? | | | | | O3 | U | ♡ 74 | 111 2.5万 | | Flavio Adamo � @flavioAd · 17小时 | | | | | yes | | | | | 01 | 17 | C 59 | 1 1 2.5万 | | SoyTeslike � @soyteslike · 16小时 | | | | | damn, already screenshotted but it wa ...

核心观点 - Grok4发布后迅速引发广泛测试和讨论，展示出强大的多领域能力，包括物理规律理解、法律推理、代码翻译、数学可视化等 [1][6][10][23][30] - 在多项对比测试中，Grok4表现优于OpenAI的o3模型，尤其在复杂任务处理方面优势明显 [13][16][21] - 用户开发出高阶应用方法如"专家调度器"，验证了Grok4在模拟专业协作环境方面的潜力 [52][54][62] 技术能力测试 - **物理规律理解**：通过六边形小球测试验证对物理运动的理解，虽然存在穿墙现象但被证实为设计意图 [2][4][11][12] - **法律推理**：用表格清晰展示公司收购中的债务违约连锁反应，结构化和逻辑性优于对比模型 [14][15][16] - **代码翻译**：成功将Python递归函数转换为Go语言并添加西班牙语注释，完成度高于对比模型 [18][19] - **知识可视化**：四轮对话内生成欧拉恒等式交互式网页，帮助用户直观理解复杂数学概念 [23][24][25][29] 多模态能力 - **SVG绘图**：在美国地图绘制中避免区块重叠错误，在专辑封面设计任务中保持基本正确 [30][38] - **生化知识**：三羧酸循环绘制测试中虽不完美但展示出基础生物化学理解能力 [42][44] - **创意表达**：在模型自画像任务中与其他主流模型相比无明显劣势 [48][51] 高阶应用场景 - **专家协作模拟**：通过精心设计的提示工程，Grok4能在52秒内完成跨领域专家协作的问题解决 [52][54][62] - **动态交互**：成功生成小人动画组成"Hello World"等文字，展示动态模式识别和生成能力 [6] - **专业见解**：对未见过的论文问题提供深刻分析，获得行业领袖认可 [7][8][9] 用户创新应用 - **全面测试框架**：提示词工程师设计8项测试覆盖多领域能力，Grok4全部通过而对比模型仅通过2项 [10][21] - **快速原型开发**：两轮对话即可完成数学可视化工具的核心功能开发 [29] - **社区期待**：用户提出更多潜在测试场景如宝可梦挑战，显示产品持续创新空间 [64]

Grok 4技术规格 - Grok 4为推理模型，支持文本和图像输入，具备函数调用和结构化输出能力 [2] - 上下文窗口为256K token，低于Gemini 2 5 Pro的1M token但领先Claude 4 Sonnet/Opus的200K token和R1 0528的128K token [2] - 定价为每百万输入/输出token 3/15美元，缓存输入token每百万0 75美元，与Claude 4 Sonnet持平但高于Gemini 2 5 Pro和o3 [2] - 输出速度75 token/s，介于o3的188 token/s和Claude 4 Opus的66 token/s之间 [3] Grok 4性能表现 - 在Humanity's Last Exam、MMLU-Pro、AIME 2024等基准测试中均位列第一，超越OpenAI的o3和Google的Gemini 2 5 pro [3] - 马斯克称其为首个能解决真实世界复杂工程问题的AI，这些问题答案无法通过互联网或书籍获取 [4] - 编程能力突出，可分析完整源代码文件并进行修复，用户体验优于Cursor [4] 产品路线图 - xAI计划8月推出AI编程模型，9月发布多模态智能体，10月推出视频生成模型 [5]

DeepSeek-R1性能表现 - 最新优化版R1-0528在编程榜单aider上取得60分 超过Claude 4 Sonnet的56.4分以及1月满血版R1 [1] - R1-0528满血版在aider得分71.4分 超过不开启思考的Claude 4 Opus [5] - aider榜单侧重现实软件工程任务评估 非单纯解题能力 [2] 量化技术突破 - 1.93bit量化版文件大小比8bit原始版降低70%以上 [3][9] - 最小1.66bit版本文件仅162GB 比8bit版缩减80% [9] - Unsloth工作室推出9种量化版本 涵盖1.66bit至5.5bit [7][8] - 推荐2.4bit和2.7bit版本 实现精度与体积最佳平衡 [14] 硬件适配性 - 1.78bit版本搭配64GB内存可实现每秒1token生成 [10] - 24GB显存显卡(如3090)配128GB内存可达每秒5token [11] - 建议180GB以上统一内存或显存+RAM组合以突破5token/秒 [12] Unsloth工作室技术能力 - 微调模型覆盖DeepSeek、Qwen、Phi、Mistral、Llama等主流模型 [16] - 优化后模型内存占用减少50%-80% 速度提升50%-2.2倍 [17] - GitHub仓库获4万星标 推出蒸馏版Qwen3-8B性能对标235B大模型 [16][19] 游戏场景表现 - R1-0528在Lmgame Bench六款游戏中表现突出 俄罗斯方块成绩超越o4-mini [22][25] - 糖果传奇得分548分 领先o4-mini约20分 [32] - 推箱子、2048等游戏表现较1月版本有显著提升 [28]

模型升级 - DeepSeek-R1-0528 是 DeepSeek R1 的升级版本，沿用了 DeepSeek V3 Base 模型架构，但通过增加算力提升了性能 [3][4] - 新版模型在复杂推理、前端开发和降低幻觉等方面有显著改进 [3] - 模型命名延续了 DeepSeek 的低调风格，仅添加日期后缀 [3] 性能提升 - 在 AIME 2025 测试中，新版模型的 tokens 使用量从 12K 增加到 23K，准确率从 70% 提升至 87.5% [4] - 在 AIME 2024 数学竞赛 pass@1 测试中得分为 91.4，接近 OpenAI-03 的 91.6 [5] - 在 GPQA Diamond 科学测试 pass@1 中得分为 81.0，略低于 OpenAI-03 的 83.3 [5] - 在 LiveCodeBench 代码生成 pass@1 中得分为 73.3，接近 04-Mini (High) 的 79.5 [11] 编程与推理能力 - 新版模型在代码生成任务中一次性输出 728 行代码，优于 Claude 4 Sonnet 的 542 行 [11] - 在数学推理测试中，是唯一能稳定回答"9.9 - 9.11 等于多少"的模型 [13] - 在编程挑战中能生成干净代码和工作测试文件，且首次运行即完美无误 [14] 语言与创意能力 - 作为本土 AI，新版模型在中文语境下的表现优于国外模型 [16][17] - 幻觉率降低 45%～50%，输出内容更可靠 [18] - 在创意写作中能一气呵成生成逻辑顺畅的论文、小说和散文 [19] 行业影响 - 新版模型在国内 AI 领域处于领先地位，并接近国际顶尖模型如 o3 和 Gemini 2.5 Pro [15] - 部分用户认为更新"雷声大雨点小"，但更多人期待其成为"国产之光" [22][23] - 模型在细节处理上优于 Claude 4 Sonnet，如光影反射和物理模拟 [13]

新能源汽车 - 比亚迪4月欧洲纯电车销量首次超过特斯拉 [1] - 长安汽车未来3年将推出35款数智新汽车 2026年实现固态电池装车验证 [1] - 小米汽车2025年累计交付目标258000台 4月交付超28000台 [1] - 小米发布首款SUV小米YU7 零百加速3.23s 最高时速253km/h [1] - 美国参议院投票通过终止加州禁售燃油车的法案 [1] 集成电路(芯片) - 台积电等厂商提议美商务部豁免半导体相关关税 [1] - 小米玄戒O1旗舰处理器采用16核GPU 实验室跑分突破300万 [1] - 英特尔全新Xeon6系列处理器上市 其中一款用作英伟达DGX B300主机CPU [1] 人工智能 - 高合汽车获1亿美元投资 黎巴嫩商人成为新老板 [1] - Anthropic发布Claude4 Opus和Claude4 Sonnet人工智能模型 [1] - G42、OpenAI等多家公司合作建设阿联酋"星际之门"数据中心 [1] 机器人 - 众擎机器人格斗赛将于12月在深圳举办 [1] - 彩虹-YH1000无人物流机成功首飞 [1] 其他科技 - 全固态电池新标准出台 解决行业界定模糊等问题 [1] - 小米未来5年研发投入翻倍至2000亿 芯片对标苹果 [1] - 苹果、特斯拉和英伟达股票将作为代币在Kraken交易 [1] - 美国联邦航空管理局批准SpaceX星舰复飞 [1] - 苹果拟2026年推出智能眼镜 暂停销售带摄像头手表 [1] - 联想集团2024/2025财年全年营收690.8亿美元 [1] - 美国FTC撤销微软690亿美元收购动视暴雪诉讼 [1]

人工智能模型发布 - Anthropic公司发布Claude 4 Opus和Claude 4 Sonnet两款人工智能模型 [1]