马斯克 xAI 发布 Grok 4.1，盲测排名登顶第一

一款在静默中完成测试、在低调中发布的人工智能模型，正以双模式战略重塑行业竞争格局。

北京时间2025年11月18日，埃隆·马斯克旗下人工智能公司xAI悄然发布了新一代大语言模型Grok 4.1。没有盛大的发布会，没有提前数天的预热，只有xAI官网的公告和马斯克在X平台上的简单推介，这款被官方称为“在真实世界可用性方面带来显著提升”的模型已经向所有用户开放。

此次更新包含了两个独立版本：Grok 4.1标准版和Grok 4.1 Thinking（思考模式）。令人惊喜的是，两个版本均免费向用户开放，仅在使用限制上对付费用户有所倾斜。

性能突破：从第33名到榜首的惊人跃升

Grok 4.1在权威评测平台LMArena的Text Arena排行榜上表现令人瞩目。该平台的特色在于通过侧对侧、盲测、随机测试的方式比较不同大语言模型。

Grok 4.1的思考模式（代号quasarflux）以1483的Elo分数位居总榜首位，领先最高的非xAI模型整整31分。 这一优势在竞争激烈的大模型领域堪称碾压性。

更为难得的是，Grok 4.1的非推理模式（代号tensor）同样表现卓越，以1465的Elo分数排名第二。 这意味着即使不启用思考模式，Grok 4.1的性能也超越了其他所有模型在启用完整推理配置下的表现。

与前任Grok 4相比，此次进步堪称飞跃。此前，Grok 4在同一个排行榜上仅排名第33位，而Grok 4.1一举登顶，实现了从追随者到领导者的身份转变。

情感智能：超越纯理性的AI交互革命

Grok 4.1的突破不仅限于传统意义上的智能表现，更延伸至情感交互领域。xAI公司在EQ-Bench3测试中对Grok 4.1进行了严格评估。

EQ-Bench是一个由大语言模型评判的测试，用于评估主动情绪智能，包括情绪理解、洞察力、同理心以及人际交往技能。 测试集包含45个具有挑战性的角色扮演场景，大多数由预先编写的三轮对话提示组成。

测试结果显示，Grok 4.1的推理模式和非推理模式包揽了EQ-Bench3榜单的前两名。 这一成就表明Grok 4.1在情感交互方面已建立起行业领先地位。

在实际应用中，这意味着Grok 4.1对细微意图的感知能力更强，与用户的对话更加吸引人，整体人格也更连贯。 它不仅能理解用户的字面意思，更能捕捉那些“只可意会不可言传”的潜在意图。

技术创新：以推理模型为奖励模型的训练革命

Grok 4.1的性能飞跃并非偶然，而是xAI公司在训练方法上实现突破的必然结果。

为实现这些提升，xAI在支撑Grok 4的同一套大规模强化学习基础设施上进一步优化了模型的风格、个性、助人性和对齐性。 并且，为了优化这些不可直接验证的奖励信号，xAI开发了全新的方法，能够利用前沿的智能体式推理模型作为奖励模型，从而可以大规模自主评估并迭代输出结果。

简单来说，xAI创造了一种能够自主评估并迭代输出结果的训练方法，让模型能够在训练过程中不断自我完善。

这种创新的训练方法带来了实实在在的成效。与此前的线上生产模型相比，Grok 4.1在对比评估中有64.78%的概率被用户偏好选择，显示出明显的质量提升。

实用性提升：幻觉率大幅降低三分之二

对于大语言模型来说，“幻觉”（即模型虚构事实的现象）一直是困扰用户的核心问题。Grok 4.1在这一关键领域实现了显著突破。

根据xAI公布的数据，Grok 4.1的幻觉率相比前代模型降低了约三分之二。 具体而言，非推理模型的幻觉率从12.09%降至4.22%，同时，在针对人物传记事实的FActScore基准测试中，错误率也从9.89%降至2.97%。

这些改进源自xAI在Grok 4.1的后训练过程中特别针对信息查询类提示的优化。 公司着重降低了事实幻觉，并在抽样的生产环境信息查询提示中观察到了幻觉率的显著下降。

对用户而言，这意味着在使用Grok 4.1进行信息查询、新闻摘要或技术话题解答时，能够获得更加可靠、准确的结果。

创意写作：风格控制与叙事张力的提升

除了情感交互和事实准确性，Grok 4.1在创意写作方面同样表现出色。

xAI在Creative Writing v3基准测试上评估了4.1系列模型的表现。 在该基准中，模型需要针对32个不同的写作提示生成回答，并进行3轮迭代。

结果显示，Grok 4.1的推理模式和非推理模式在创意写作基准测试中分别位列第二和第三名，仅次于早期的GPT-5.1模型。

在实际表现中，Grok 4.1生成的语言更具“角色感”、更具情感和叙事张力。 无论是创作故事、编写营销文案，还是进行文学性表达，Grok 4.1都能提供更加贴合场景、富有创意的文本输出。

双模式战略：满足不同场景的智能需求

Grok 4.1延续了xAI独特的双模式设计，为用户提供Grok 4.1标准版和Grok 4.1 Thinking两个选择。

思考模式（代号quasarflux）通过使用“思维标记”（thought tokens）进行深度推理，适合处理需要复杂推理、逻辑分析或创造性思考的任务。

标准模式（代号tensor）则能够即时响应，无需使用思维标记，适合日常对话、快速信息查询等对响应速度要求较高的场景。

令人印象深刻的是，即使是标准模式，其性能也足以媲美甚至超越其他模型的完整推理配置。 这种双模式战略使Grok 4.1能够适应从简单问答到复杂问题解决的各种应用场景。

免费策略：AI普惠与市场竞争的双重考量

与许多竞争对手不同，xAI选择了让Grok 4.1全面免费开放的策略。 任何用户都可以通过Grok官网、X平台以及iOS和Android应用程序访问这一最新模型。

当然，免费用户仍会面临一定的使用限制，而付费用户则享受更少的使用限制。 这种分级策略既保证了AI技术的普惠性，又为付费订阅服务提供了足够的价值主张。

这一策略也与马斯克一直以来推动AI技术普及的公开表态相吻合。通过降低最新AI技术的使用门槛，xAI有望加速社会对人工智能的接受度和应用广度。

Grok 4.1的发布无疑在大模型领域投下了一枚震撼弹。在LMArena排行榜上实现从第33名到第1名的飞跃，将幻觉率降低三分之二，在情感智能测试中霸榜前两名——这些成就标志着xAI已跻身大模型领域的第一梯队。

从技术角度看，Grok 4.1采用的以推理模型作为奖励模型的方法，为整个行业的大模型训练提供了新的思路。而从市场角度看，免费开放的策略则可能改变AI技术的普及速度和竞争格局。

对于用户而言，一个更智能、更可靠、更善解人意的AI助手已经到来。

📌 相关推荐

碾压 OpenAI，DeepSeek-R1 发布！如何在本地实现 DeepSeek？

0元本地部署！体验 OpenAI 价值20000美金/月的博士级智能体

更上层楼！仅用2GB资源，让最火的DeepSeek-R1在本机上奔跑！

再上层楼，让DeepSeek-R1在16G内存，无GPU的Windows笔记本上本地运行！

月上西楼！一行命令让本地大模型学会 DeepSeek 的深度思考！

👇点击阅读原文，获取开源地址

🚀帮我们点亮一颗🌟，愿您的开发之路星光璀璨