← Lahat ng gabaySa isang tingin
Inilabas noong Hulyo 9, 2025 ng xAI. Sinanay ang Grok 4 nang may mabigat na reinforcement learning sa reasoning, at ang Heavy configuration nito ang unang model na lumampas sa 50% sa Humanity's Last Exam - isang 2,500-tanong, PhD-level na benchmark na sumasaklaw sa math, physics, chemistry, linguistics, at engineering.
Sa All-inclusive plan, nagkakahalaga ng 3 credits ang isang sagot ng Grok 4.
Mga Benchmark
- Humanity's Last Exam (text subset): 50.7% - unang lumampas sa 50% mark.
- ARC-AGI v2 (novel abstract reasoning): 15.9% - halos doble ng susunod na commercial na model noong paglabas.
- USAMO 2025 math-proof benchmark: 61.9% sa Heavy configuration.
Pinakamahusay sa Magnus
Mahirap na reasoning na may saltik: mga tanong sa research, devil's-advocate na pananaw, at mga debate round laban sa isang Claude agent. Ang direkta at medyo irreverent na estilo nito ang dahilan kung bakit paborito ito para sa isang challenger persona sa agent bar.
- Sinasaklaw ng Grok ang chat at mga dokumento; nananatili sa Claude ang mga integration tool (Gmail, Calendar, Slack actions).