Grok4第一波实测成绩惊人，是实力还是虚高？-量化平台-财云量化

摘要：

Grok4第一波实测成绩引发热议。人类在终极考试中成绩达45%，远超o3和Gemini。不过，由于题目公开，这一成绩遭到质疑，其真实性存在争议。

Grok4实测成绩惊艳亮相

远超同行的亮眼表现

Grok-4的基准测试数据在网上疯传，成绩令人惊叹。在人类最后的考试（HLE）中，其初始成绩就达到35%，使用推理后更是飙升到45%，相比o3和Gemini在HLE上仅20%左右的得分，实现了大幅超越。在其他测试中同样表现出色，GPQA达到87-88%，SWEBench上，Grok-4Code拿下72-75%的成绩，从数据上看，在多个维度超越了现有顶尖模型。

成绩引发广泛关注

这样优异的成绩瞬间引发了各方关注。众多网友和业内人士纷纷对Grok4的表现发表看法。leo🐈评论称若这些成绩属实，都是最先进的成绩，期待其在实际使用中也有出色发挥。但也有不少人对此存疑，KAayushMazumdar就对SWE-Bench成绩的含金量提出质疑，因其测试的是模型解决真实软件工程问题的能力，若使用了额外工具或框架，成绩的可信度就会降低。

Grok4第一波实测成绩惊人，是实力还是虚高？

成绩争议浮出水面

题目公开引质疑

AI研究者xlr8harder指出HLE的所有题目都已公开，没有保留测试集，这使得模型有可能在训练时“见过”这些题目，导致成绩虚高。这一关键问题引发了对Grok4成绩真实性的争议。如果测试题目在训练中被使用过，那么所谓的高分可能并不能真实反映其在面对全新问题时的能力。

学界回应与思考

EthanMollick教授对此回应称，如果Grok4泄露的基准测试成绩属实，那么有保留的问题集将非常有用。因为传闻中的45%分数比o3和Gemini的20%左右有很大提升，这一巨大差异值得深入研究。但成绩到底是真实实力的体现还是因题目公开导致的虚高，仍有待进一步考证和更多信息的披露。

未来走向备受猜测

能否正式发布成谜

更多人关心这个表现优异却又充满争议的模型到底什么时候发布。ZhuoWang直接发问如果它这么好，何时发布。TheMandorlarian则表现得更加悲观，认为这个模型可能不会发布，觉得空洞的数字并不能代表什么。Grok4的未来充满不确定性，是正式发布接受更广泛的检验，还是如同一些人猜测的不会发布，目前尚无定论。

发展前景迷雾重重

即便Grok4目前成绩亮眼，但由于成绩争议的存在，其未来发展前景也蒙上了一层阴影。如果成绩最终被证实存在水分，那么它在后续的发展中可能会面临诸多挑战。而若成绩真实可靠，其发布后能否在实际应用中持续保持优势，为相关领域带来变革，同样充满未知，一切都有待时间来揭开谜底。