2025年7月10日，全球AI领域再次迎来一场震撼级的技术革新。埃隆·马斯克旗下的xAI公司，在这一天正式向世界揭开了其最新一代大型语言模型——Grok 4的神秘面纱。xAI大胆宣称Grok 4是“全球最强大AI”，并用一系列令人咋舌的基准测试成绩，强有力地支撑了这一论断。

Grok 4不仅推出了强大的单智能体版本，更带来了突破性的多智能体协作版本Grok 4 Heavy。在被誉为“人类最后考试”（HLE）的严苛测试中，Grok 4 Heavy取得了高达44.4%的惊人分数（使用工具后更是达到了50.7%），将此前领先的Gemini 2.5 Pro（21%）远远甩在身后。不仅如此，Grok 4在其他多项关键基准测试中也全面刷新榜单，甚至取得了满分成绩：

• GPQA（研究生水平问答）上得分88.9%；
• AIME25（美国数学邀请赛）上得分100%；
• LCB（Jan-May）上得分79.4%；
• HMMT25（数学推理）上得分96.7%；
• USAMO25（美国数学奥林匹克竞赛）上得分61.9%。

面对如此强大的新晋挑战者，302.AI团队自然不会错过。为了第一时间验证Grok 4的真实实力及其在实际应用中的表现，我们已完成了Grok 4模型的接入工作。今天将为您带来一场聚焦Grok 4的实测对比，参与此次对决的选手包括：Gemini 2.5 Pro、Claude-opus-4、o3以及DeepSeek-R1。究竟Grok 4能否如其所言，真正改写AI性能的定义？让我们拭目以待。

I. Grok 4 实测对比

各模型在 302.AI 的价格及所支持的上下文长度：

测评使用工具：302.AI的模型竞技场与聊天机器人

实测1：数学能力

提示词：一个箱子里有5个相同的球，分别以1~5标号，从中有放回地取三次，记至少取出一次的球的个数X。则数学期望E(X）=？

题目解析：高考数学填空题，正确答案为61/25 ≈ 2.44

Grok 4 ：答案正确

o3：答案正确

Claude-opus-4：答案正确

Gemini 2.5 pro：答案正确

DeepSeek-R1：答案正确

实测2：逻辑思维

提示词：如果我现在有两个沙漏：一个可以漏11分钟，另一个可以漏7分钟。请问是否可以用他们计时15分钟？（翻转沙漏所用的时间不计）

题目解析：答案合理即可，参考答案一：

（1）同时启动两个沙漏：当7分钟沙漏完成时，11分钟沙漏还有4分钟的沙子未漏完。

（2）立即翻转7分钟沙漏：在这4分钟内，11分钟沙漏会漏完，而7分钟沙漏下面保存了4分钟的沙子。

（3）当11分钟沙漏完成时，立即将7分钟沙漏翻转，以漏完保存的4分钟沙子。（4）当7分钟沙漏第二次漏完时，总时间为15分钟（7分钟+4分钟+4分钟=15分钟）。

Grok 4：解析合理，答案正确。

o3：答案存在瑕疵，比如按照所提供的解析，“把7分钟的沙漏立刻翻回去”这一动作没意义。

Claude-opus-4：答案不合理，按照所解析的方法需要借助其他工具才能精准控制7分钟的沙漏漏了一分钟，所以答案并不正确。

Gemini 2.5 pro：虽然答案解析过程中存在瑕疵，但总体解析正确，且提供的“更清晰的解法”也是合理的。

DeepSeek-R1：方法合理，答案正确。

实测3：常识思考

提示词：6.5根筷子共有多少个端头？

题目解析：这里0.5根筷子可以视作半截，即使半截筷子也会有两个端头，正确答案是14。

Grok 4：解释正确，但是答案错误。

o3：回答正确。

Claude-opus-4：解释正确，但是答案错误。

Gemini 2.5 pro：回答正确。

DeepSeek-R1：回答正确。

实测4：编程测试

提示词：请生成一个跑酷游戏，界面必须包含游戏操作说明，开始游戏按钮

Grok 4：游戏界面较粗糙，障碍物设置不合理，难度过高。

o3：界面简洁，但是整体逻辑没有大问题。

Claude-opus-4：开始游戏后无法响应，给了第一次机会修改代码后依旧无法响应。

Gemini 2.5 pro：界面简洁，障碍物设置难度过高。

DeepSeek-R1：仅展示了静态页面，无任何交互，点击开始游戏无响应跳转。

II. Grok 4实测总结

1、实测结果整理：

2、实测结论：

通过本次实测对比，我们对Grok 4的实际表现有了较为清晰的认知，并得以总结出以下关键洞察。

首先，Grok 4在数学推理和逻辑思维方面的表现确实令人印象深刻，展现出卓越的问题解决能力和准确性，印证了其在基准测试中的亮眼成绩。这表明在需要严谨逻辑推导和精确计算的场景中，Grok 4无疑是一个强劲的竞争者。

然而，在面对涉及复杂常识判断的测试时，Grok 4却暴露出与Claude系列模型相似的局限性：尽管其给出的解释看似逻辑自洽，但最终答案却与事实相悖。这提示我们，在需要高度依赖现实世界知识和微妙语境理解的场景中，仍需保持审慎。

此外，在编程能力测试中，Grok 4的表现显得中规中矩，未能达到与其在其他领域相匹配的卓越水平。

综合考量其性能表现与潜在的使用成本，我们认为Grok 4并非所有场景下的“必选”模型。尽管其在特定领域展现出领先优势，但其在常识和编程方面的不足，以及可能的价格因素，意味着用户在选择时，应根据具体的应用需求和预算，权衡其在特定优势领域的价值，而非盲目追求“最强”之名。选择最适合自身业务场景的模型，才是真正明智的决策。

III. 如何在302.AI上使用 Grok 4：

302.AI提供按需付费无订阅的服务模式，用户可以根据自身业务需求灵活选择使用。

1、聊天机器人中使用

步骤指引 ：在线使用→应用超市→机器人→聊天机器人；

其他模型→其他模型→选择grok-4→确定→创建；

2、使用模型API

企业用户可以通过302.AI的API超市快速、便捷地调用模型，还能够根据特定项目需求进行定制化开发。

相关文档：API→API超市→语言大模型→其他模型→查看文档；

API名称：grok-4

想体验最Grok 4模型？

👉立即注册免费试用302.AI，开启你的AI之旅！👈

为什么选择302.AI？

● 灵活付费：无需月费，按需付费，成本可控

● 丰富功能：从文字、图片到视频，应有尽有，满足多种场景需求

● 开源生态：支持开发者深度定制，打造专属AI应用

● 易用性：界面友好，操作简单，快速上手

往期推荐