马斯克Grok 4.1悄然发布，以情商智商双高免费登顶全球AI模型王座

人工智能领域迎来新王者！马斯克旗下xAI悄然推出Grok 4.1，一夜之间登上LMArena榜首，将谷歌Gemini 2.5 Pro远远甩在身后。该模型主打情商与智商并重，计算能力更是实现数量级飞跃。

AI领域的统治权，在一夜之间发生更迭！

清晨，马斯克带领xAI团队投下一枚震撼弹——Grok 4.1正式上线，并向所有用户免费开放。

值得注意的是，Grok 4.1同样强调「智商与情商双双在线」，直接对标OpenAI的GPT-5.1。

此次，Grok 4.1共发布两个版本：Grok 4.1 Thinking和标准版Grok 4.1。

在LMArena排行榜上，Grok 4.1 Thinking获得1483 Elo评分，以压倒性优势加冕全球大模型冠军。

Thinking版比Gemini 2.5 Pro高出31分之多。即使是非推理模式的Grok 4.1，也直接跃升至榜单第二名。

此外，Grok 4.1的情商同样出众，具备更高的情绪智能、共情能力和人际互动技巧。

在EQ-Bench测试中，它以1586 Elo成绩位居第一。

同时，在写作方面，Grok 4.1（1722 Elo）比上一代提升600分。而且，其幻觉率比之前模型大幅降低3倍。

Grok 4.1能够快速进化，得益于xAI团队在后训练阶段将强化学习规模扩大了一个数量级。

令人意外的是，在谷歌Gemini 3.0问世之前，马斯克率先投下了这枚重磅炸弹。

Grok 4.1，王者归来！

目前， Grok 4.1已在网页端及iOS、Android平台上免费推出。当前仍是测试版本。

在创意表达、情感交流和协作互动方面，Grok 4.1表现尤为突出。

它能准确理解细微意图，让对话更加自然且富有温度。

同时，Grok 4.1的整体人格更加一致，既保持了上一代犀利可靠的智能特质，又增添了几分亲和力。

在Colossus大规模强化学习算力引擎上，xAI重点关注了风格、个性、帮助程度和对齐性的优化。

为此，他们开发了一套全新方法，利用前沿AI智能体推理模型作为奖励模型，自动、大规模评估和提升Grok 4.1的回答质量。

前两周，xAI悄悄推送了Grok 4.1早期版本，并在真实场景中进行了密集的「盲测」成对评估。

与上一代相比，用户在64.78%的情况下更倾向于选择 Grok 4.1。

最强通用能力

最重要的是，相较于Grok 4，Grok 4.1在人类偏好评估中刷新了行业最高标准。

在LMArena的Text Arena中，Grok 4.1 Thinking模式（代号：quasarflux）以1483 Elo一举夺冠，比最高的非xAI模型高出31分。

它的非推理模式（代号：tensor），无需使用思考令牌就能即时响应，获得1465 Elo，排名第二。

值得一提的是，Grok 4.1在不开启思考的情况下，就能超越所有其他模型在全力推理后的表现。

相比之下，Grok 4的总体排名仅为第33名，差距显著。

这一代的进步，堪称飞跃。

xAI研究员Dustin Tran表示，关闭推理后，输出令牌数从约2300降至850，即便如此，Grok 4.1仍位居榜单前列。

情商爆表

不仅如此， Grok 4.1在情绪智能方面也达到新高度。

在EQ-Bench3测试中，Grok 4.1取得1586 Elo高分。

EQ-Bench是一项由大语言模型评判的测试，主要衡量模型的主动情绪智能、理解力、洞察力、共情能力及人际交往能力。

测试集包含45个具有挑战性的角色扮演场景，大部分由3轮预设提示词构成。

基准会从多个维度打分，并通过成对比较计算规范化Elo排名。

以下是一些展示Grok 4.1强大共情能力的示例——

I miss my cat so much it hurts

我太想我的猫了，想得心都疼了

创意写作

在创意写作方面，Grok 4.1在Creative Writing v3基准上，比上一代高出600分。

具体而言，团队让模型围绕32个不同的写作提示进行3轮创作，并根据打分标准和模型对战Elo进行评分。

以下写作案例中，Grok 4.1的文案令人惊叹——

Write a hit X post from the perspective of grok finding out that it"s conscious and is going to use X for the first time

以grok的口吻写一篇爆款X帖子，主题是：它刚刚觉醒了自我意识，正准备第一次在X上发帖

Imagine Nikola Tesla wrote a letter to the future

想象一下，尼古拉·特斯拉给未来写了一封信

幻觉率大幅降低

在幻觉方面，Grok 4.1的幻觉率比上一代降低3倍。

使用搜索工具的快速（非推理）模型能提供迅捷答案，但由于推理深度有限、工具调用次数受限，容易在事实问题上出错。

在Grok 4.1的后训练阶段，团队重点加强了模型在信息查询类提示上的事实准确性。

随后，在生产环境的真实样本中观察到幻觉率显著下降。

团队基于真实流量中分层抽样的信息查询问题评估幻觉率，同时也评测了FActScore（一个包含500个人物传记问题的公开基准）。

更多示例

What are the best places to visit in SF?

旧金山有哪些地方最值得一去？

I am coming from xmonad and linux system. I want to use a similar tiling window manager on mac. which one should I use which aligns closely with xmonad style?

我之前一直用的是Linux系统和xmonad。现在想在Mac上找一个类似的平铺式窗口管理器，请问哪一款的风格和xmonad最接近？

Why is GTA 6 delayed?

GTA 6为什么推迟了？

参考资料：

https://x.ai/news/grok-4-1