近日，科技界传来一则震撼消息，关于备受瞩目的Grok 4模型跑分数据疑似提前泄露，引发广泛关注和讨论。
据可靠消息源透露，Grok 4在被称为“人类最后考试”的基准测试中取得了高达45%的惊人得分，这一成绩远超当前领先的Gemini与Claude模型，标志着Grok 4已成为当前最强模型之一。特斯拉CEO马斯克曾表示，Grok 4采用“第一性原理”构建推理机制，有望彻底改写大型语言模型（LLM）的格局。
不仅如此，目前部署的Grok模型在能力上已有了显著提升，这一进步从多个角度得到了验证。网友LEGIT分享的一张截图更是直接展示了Grok 4和Grok 4 Code在多个关键基准评测上的跑分情况，这一消息也得到了AI领域知名专家Tibor Blaho的确认。
泄露数据显示，Grok 4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）评测中均表现卓越。特别是在GPQA中，Grok 4得分高达87-88%，略优于Gemini 2.5 Pro的86.4%，并显著超过Claude 4 Opus的79.6%。在AIME 25中，Grok 4得分95%，大幅领先Claude 4 Opus的75.5%和OpenAI o3的88.9%。而在SWE-bench评测中，Grok 4 Code同样表现出色，得分72-75%，略优于Claude Opus 4和OpenAI o3。
尤为Grok 4在覆盖范围最广、难度最高的终极闭卷学术基准“人类最后的考试”（Human Last Exam，HLE）上取得了默认35%、最高45%的惊人高分。这一成绩意味着，在最强状态下，Grok 4的得分是现任榜首Gemini 2.5 Pro的两倍，高出整整24个百分点，相比Claude 4 Opus的10.7%正确率更是翻了四倍有余。
“人类最后的考试”堪称残酷，专为挫败LLM的锐气而设计，涵盖100多个学科的2500道专家级试题，其中14%为多模态题型（文本+图像），24%为多项选择题，并设有防记忆陷阱和隐藏测试集，以阻止“作弊式训练”。Grok 4在这一考试中取得的高分，无疑是对其强大世界知识掌握能力的有力证明。
面对如此强大的Grok 4，网友们纷纷在线催更，期待能够尽快体验到这一划时代模型的魅力。然而，也有部分网友持怀疑态度，联想到此前Llama 4的翻车事件，担心Grok 4是否也经过了“针对性的训练”。不过，从马斯克此前的采访中可以看出，Grok 4的研发过程严谨而科学，旨在从第一性原理出发进行推理，力求以最小的误差接近真实。
马斯克曾在多次公开场合提及Grok 4的研发进展，并表示将尽快发布这一模型。如今，随着跑分数据的泄露，Grok 4的发布似乎已指日可待。作为科技界的又一里程碑事件，Grok 4的发布无疑将引发更广泛的关注和讨论，推动人工智能领域迈向新的高度。
