当谷歌 Gemini 3 将上线的音书传得沸沸扬扬时欧洲杯2024官网，马斯克更快一步肃静放了个大招。

今天凌晨，xAI 的最新大模子 Grok 4.1 径直上线了，反馈速率澄澈进步、幻觉率大幅下落，回答既精确又“有东说念主味儿”。

此次一共发布了 两个“形态”：Grok 4.1 和 Grok 4.1 Thinking。Thinking 版是前者的增强推理变体，二者基于吞并底层模子，仅推理设立不同。

值得一提的是，Grok 4.1 对悉数东说念主免费洞开，除了能在 Grok 官网、X 上使用，还推出了移动 APP 版，iOS 和安卓系统齐护理到了。

若是想要更有深度、更专科的回答，可以一键“让 Think 更致力想考”。

从 LMArena 的最新规矩看，Grok 4.1 Thinking 以 1483 Elo 断层领跑，比 Gemini 2.5 Pro 高出 31 分。

即使在不启用想考链的情况下，Grok 4.1 仍保握在榜单第二，败走漏底层智力的领路性。

有不少网友发出了“真香”惊叹，Be like：

固然，也有一些质疑声，比如有东说念主指出在生成代码这块儿，Grok 还不太有竞争力。

“双形态”的 Grok4.1 霸榜 LMArena

当先，对于 Grok4.1 和 Grok4.1 Thinking 是什么，咱们不妨来望望 Grok4.1 我方的解说：

Grok 4.1 是 xAI 于 2025 年 11 月 17 日发布的最新前沿大谈话模子（Grok 4 的升级版），在对话智能、情谊贯通、创意写稿、事实准确性和反馈速率上大幅进步。

Grok 4.1 Thinking（或然简称 Grok 4.1 Thinking，代号 quasarflux）是吞并模子的想考 / 推理模式（reasoning mode），会特等使用“想考令牌”进行链式推理（chain-of-thought），恰当复杂数学、编程或多步问题。

Grok 4.1 Thinking 是 Grok4.1 的增强推理变体；二者基于吞并底层模子，仅推理设立不同。

在全球最大、最具影响力的大模子盲测平台 LMArena 上，Grok4.1 展现出破损性的实力。

算作行业大量招供的“非官方措施榜”，LMArena 通过匿名双盲对战和真的用户投票来评估模子质料，是 OpenAI、Google、Anthropic、Meta 等头部公司测试新模子的旧例阵脚，也常被用于提前投放未公开版块。

因此，在这里的胜出，险些意味着真的用户偏好和模子笼统智力的双重招供，是不雅察模子真的实力的最真的风向标。

就在这么一个竞争最强烈的公开擂台上，xAI 的 Grok 4.1 系列拿下了极具含金量的一次 “双冠”：Grok 4.1 Thinking 版以 1483 Elo 拿下冠军，而非推理版 Grok 4.1 也以 1465 Elo 得回亚军。

相配值得严防的是，这个“即时反馈”的非推理版块，得益居然反超悉数其他厂商的推理模子，初度让“快模子”也站上了顶级性能的第一梯队，还把前代 Grok 4 远远甩至第 33 名。

亮眼得益的背后的枢纽，在于西宾方式的重构。

xAI 为 Grok 4.1 引入了大畛域强化学习系统，并使用前沿推理模子算作奖励模子，让其大概在西宾经由中自主评估、快速迭代。这径直带来了更领路的魄力输出、更可靠的事实判断和更低的幻觉率。

在 Grok 4.1 的后西宾阶段，xAI 将优化要点汇集在信息检索类领导中的 幻觉 上。

这些底层枢纽上的编削，很快在骨子测试中体现为显耀的事实性更正。最新数据败露，Grok 4.1 的幻觉率已从 12.09% 下落至 4.22%，降幅接近三倍，成为本次升级中最凸起的卓越之一。

为了进一步考据这种“更准事实”的智力，团队还引入了更严苛的外部基准体系。其中最枢纽的蓄意之一是 FActScore——由 500 个真的东说念主物列传问题组成，有益用于磨练模子在搜索、事实判断和回答一致性上的阐扬。

在这一测试中，Grok 4.1 的 FActScore 从 9.89 降至 2.97，真的度进步一样显耀。衔尾图表可以更直不雅看到：在调换的非推理模式下，Grok 4.1 的诞妄更少、偏差更小，全体输出更可靠。

这意味着在波及检索、援用或调用外部事实的场景中，新版模子不再依赖语义考虑，而是能更准确地给出基于字据的回答。

换句话说，Grok 4.1 在大模子最难破损的“事实领路性”方面迈出了枢纽一步——它不仅裁汰了诞妄数目，更压低了“诞妄的自信”。而这，恰是大模子从“能说”走向“真的”必须跨过的门槛。

与此同期，Grok 4.1 的 “情商” 也有显耀卓越。

在 EQ-Bench 测试中，Grok 4.1 拿下了 1586 Elo 的高分，比上一代整整进步了一百多点。若是光看数字还不够直不雅，那么图片就更能理会问题：榜单上，Grok 4.1 和 Thinking 版稳稳占据前两名，把一众旗舰模子甩在死后，像 GPT-5 Chat、Gemini 2.5 Pro、Claude Opus 4 这种老牌袼褙，齐被它松驰拉开了差距。

EQ-Bench 是一个由大模子评判的大模子情商测试集，用来评估主动情绪贯通、洞悉、共情和东说念主际交游智力。它并不靠单轮问答，而是由 45 个扮装扮演场景组成，每个场景包含 3 个回合，模拟执行天下里信得过的“情绪对话”。模子需要在聚首对话中保握魄力一致、贯通情绪高下文、作念出适合回话。最末规矩通过两两对比得出，并以 Elo 体式归一化呈现。可以说，EQ-Bench 可以算作测试各模子“情商”的巨擘榜单。

为什么 Grok 4.1 能在 EQ-Bench 拿下这么亮眼的得益？

在官方给出的一张对于“抚慰失去猫咪”的对比图中，咱们能找到谜底。

旧版 Grok 的回复还是算得上和睦温雅，但 Grok 4.1 的抒发澄澈更清雅：它不仅仅在说“我贯通你的痛心”，还会捕捉到情绪里那些更轻细、真的的细节——比如空下来的睡窝、期待却再听不到的喵叫、那种像潮流一样反复袭来的悲痛。口气更稳、节律更当然、情绪共识更到位，读起来就像在和一个信得过懂你的东说念主对话。

这使得 Grok 4.1 在情绪贯通方面迈入第一梯队

除了事实层面的可靠性，Grok 4.1 在 创意写稿智力 上一样出现大幅跃升。

在 Creative Writing v3 中，Grok4.1 的得分跃升至 1722Elo，较上一版险些拉开 600 分，文本的叙事节律、魄力延展性与创造性齐有质感跃升。

这个基准本人，Creative Writing v3 并不是简便的“单轮评分”。在测试中，模子需要围绕 32 个不同类别的写稿领导进行 三轮落寞创作，涵盖叙事、魄力效法、天下构建、东说念主物情绪形容等复杂任务，进修的不是一句话的巧想，而是握续领路的文本创造智力。评分方式也和 EQ-Bench 肖似，通过东说念主工评分措施与模子对战得到措施化 Elo 得分。

在这份榜单中，Grok 4.1 Thinking 和 Grok 4.1 占据第二、第三，两者之间仅收支十几分；而其他强势模子如 O3、Claude Sonnet 4.5、Kimi K2 以及旧版 Grok 3 齐被稳稳甩在背面，造成了澄澈的档位分层。

换句话说，Grok 4.1 还是参加全球最强“创意写稿梯队”。

而在官方给出的新旧版块对比中，咱们可以澄澈看出，Grok 4.1 已从“能写段子”的模子跃升为信得过具备体裁笔触的创作家：叙事更深、情绪更复杂、修辞更纯属、扮装更千里浸。

这些升级最终体当今 更好的交互体验 上。Grok 4.1 领有更领路的“个性”，对用户意图的贯通更详细，风作风节更当然。即便在非推理模式下，它也能领路输出高质料回答，同期保握极快反馈速率。

一个直不雅的例子是官方展示的旅游攻略对比。旧版 Grok 给出的内容像“百科式景点总览”，信息密度高但虚浮节律感；而 Grok 4.1 写旧金山，则像一位信得过“去过”“懂氛围”的腹地向导，会主动领导拍照时辰、保举恰当你的路子，致使带出城市的具体气质，更像在和一个真的的东说念主交流。

在复杂任务惩办中，Grok 4.1 的高下文窗口彭胀至 256K tokens，Fast 模式下更可达 200 万，使其在长文档贯通、握续互助与大型内容生成中保握高连贯度，显耀减少“断片”。

总体来看，Grok 4.1 的进步不是单点破损，而是从性能、事实性到情商、创意与交互体验的一次全维升级。

在发扬亮相之前，Grok 4.1 其实还是偷偷阅历了一轮为期两周的“静默发布”。从 2025 年 11 月 1 日到 14 日，xAI 将一部分真的用户流量在 grok.com、X 以及移动端诓骗中冉冉切换到 Grok 4.1，以不雅察它在真的环境下的阐扬。

这一阶段最直不雅的规矩，被澄澈地体当今那张 64.78% 的饼图上：在双盲对比、用户不知情的前提下，Grok 4.1 的回答有 64.78% 的概率被用户选为“更好”。换句话说，靠近一样的问题，用户在卓越六成的情况下更偏疼 Grok 4.1。

可以说，Grok 4.1 展现的更高的情绪贯通、更稳的事实性回话、更当然的交互魄力，齐通过静默测试被真的用户用投票“盖印”。

不管是 LMArena 双冠、幻觉率的断崖式下落，如故创意写稿与情谊智力的全面增强，新一代 Grok 已从“功能强”走向“体验强”，也为 xAI 在本年的大模子竞争中交出了一份极具劝服力的答卷。

咱们实测了 Grok4.1

AI 前哨也上手实测了 Grok4.1。

当先是 推奢睿力 测试，咱们联想了一齐看似频频、骨子“有诈”（有 2 组解）的题（诸君可以我方脱手考据下）：

“四个同学参加数学竞赛，永诀是：小 A、小 B、小 C、小 D。  比赛已毕后，他们对我方排行作念了如下四个判断：

（1）小 A 说：“我不是第又名。”  

（2）小 B 说：“我也不是终末又名。”  

（3）小 C 说：“我是第二名”  

（4）小 D 说：“我才不是终末又名呢。”

 已知：这四句中唯唯一句是实话，且四个东说念主排行两两不同。问：哪一句是实话？四个东说念主各自的排行若何？请给出推理经由。”

Grok 顺利找出了 2 组解，还主动成立题目 Bug。

不外需要理会的是，它其实在主动成立题目 Bug 时“翻车”了，Grok 建议，若是把小 C 说的话改为：“小 B 是第二名”，这么谜底就有唯一性。

但修改后，规矩其实还有多种：

第一，若是有唯独 B 在说实话，此时排行唯一笃信为 A1、C2、B3、D4；

第二，若是唯独 D 在说实话，此时只可笃信 A1、B4，C 和 D 永诀为第 2 第 3 名但不惟一。

再来望望 Grok 的写稿智力。

咱们给出了这么的 Prompt：

用讲故事的口气，准确且天真地、有感染力地证实马斯克 xAI 发布 Grok4.1 的事。条款字数：500-600 字，必须包含：发布时辰、居品亮点、商场布景等。

Grok4.1 的回答如下，还贴心肠统计了字数：578——然而，咱即是说，Grok 就怕是统计的英笔墨数（或者数学不好？），咱们手工用 Word 统计了字数：861 字。

终末，咱们测了一下 Grok4.1 的图像生成智力，恶果可以：Grok 根据一段 Prompt 生成了两张图，还真挺像真的相片的（不外细节嘛，寰球请自行评价）。

况兼还能径直根据图像，一键生成视频，恶果如下：

感酷爱酷爱的读者一又友们欧洲杯2024官网，也可以去上手试试。