← همه راهنماهانگاه اجمالی
در 9 ژوئیه 2025 توسط xAI منتشر شد. Grok 4 با یادگیری تقویتی سنگین روی استدلال آموزش دیده، و پیکربندی Heavy آن اولین مدلی بود که از 50% در Humanity's Last Exam عبور کرد - معیاری با 2500 سوال در سطح دکتری که ریاضی، فیزیک، شیمی، زبانشناسی و مهندسی را در بر میگیرد.
در طرح همهچیز-شامل، هر پاسخ Grok 4 سه اعتبار هزینه دارد.
معیارهای عملکرد
- Humanity's Last Exam (زیرمجموعه متنی): 50.7% - اولین عبور از مرز 50%.
- ARC-AGI v2 (استدلال انتزاعی نوین): 15.9% - تقریباً دو برابر نزدیکترین مدل تجاری بعدی در زمان انتشار.
- معیار اثبات ریاضی USAMO 2025: 61.9% در پیکربندی Heavy.
بهترین کاربرد در Magnus
استدلال دشوار همراه با نگرش: سوالات پژوهشی، دیدگاههای مخالفخوان، و دورهای مناظره در برابر یک ایجنت Claude. سبک مستقیم و کمی بیپروای آن، آن را به گزینهای محبوب برای شخصیت چالشگر در نوار ایجنتها تبدیل میکند.
- Grok گفتگو و اسناد را پوشش میدهد؛ ابزارهای یکپارچهسازی (Gmail، تقویم، اقدامات Slack) مخصوص Claude باقی میمانند.