近日，AI领域迎来了一则震撼人心的消息：Grok 4的跑分数据在“人类最后考试”（Human Last Exam，简称HLE）中意外泄露，显示其得分高达45%，这一成绩远超当前顶尖的Gemini与Claude模型，预示着LLM（大型语言模型）格局或将迎来重大变革。
据多方消息透露，特斯拉CEO埃隆·马斯克对Grok 4寄予厚望，称该模型采用了“第一性原理”构建推理机制，有望引领AI技术的新一轮飞跃。马斯克在之前的采访和公开场合曾多次提及Grok项目的进展，并表示团队正紧锣密鼓地筹备Grok 4的发布。
此次泄露的跑分数据不仅涵盖了Grok 4在HLE上的惊人表现，还包括了其在GPQA（研究生级物理和天文学问题）、AIME 25（2025美国数学邀请赛）以及SWE-bench（真实软件工程问题）等多个关键基准评测上的卓越成绩。Grok 4在GPQA上的得分接近88%，在AIME 25上更是高达95%，而在SWE-bench评测中，专为编程设计的Grok 4 Code也展现出了强劲实力，得分位于72%至75%之间。
HLE作为专为挫败LLM而设计的残酷考试，包含了横跨100多个学科的2500道专家级试题，其中不乏多模态题型和多项选择题，且设有防记忆陷阱和隐藏测试集，以防止“作弊式训练”。然而，Grok 4却在这一考试中取得了默认35%、最高45%的惊人高分，这一成绩几乎是现任老大Gemini 2.5 Pro的两倍，相较于Claude 4 Opus更是翻了四倍有余。
面对如此强劲的表现，网友们纷纷在线催更，期待能够早日见证Grok 4的正式发布。不过，也有部分网友对此持怀疑态度，联想到此前Llama 4因提前进行“针对性训练”而翻车的事件，担心Grok 4的成绩是否也存在类似问题。对此，AI圈知名大佬Tibor Blaho已对泄露的数据进行了确认，为Grok 4的真实性提供了有力背书。
马斯克在之前的采访中曾透露，Grok 3.5（即如今的Grok 4）正尝试从第一性原理出发进行推理，将物理学的方法应用到思维过程中。这一理念在即将发布的Grok 4中得到了充分体现，使得该模型在自然语言、数学及推理领域展现出了无与伦比的性能。专为编程设计的Grok 4 Code也成为了此次发布的重头戏之一，备受开发者们的期待。
随着Grok 4发布日期的临近，AI领域或将迎来一场前所未有的技术革命。Grok 4的卓越表现不仅将推动LLM技术的发展迈向新高度，还将为开发者们提供更加智能、高效的编程助手和工具。让我们共同期待Grok 4的正式发布吧！
