Grok4全网玩疯,成功通过小球编程测试,Epic创始人:这就是AGI

资讯 » 新科技 2025-07-11

克雷西 发自 凹非寺
量子位 | 公众号 QbitAI

发布还不到一天,马斯克的Grok4就已经被网友们玩疯了。

比如有网友报告,Grok-4已经成功通过了著名的六边形小球氛围编程测试。

只见随着六边形的不断旋转,小球错落有致地从开口下落。



拿着显微镜捉虫的网友发现小球在返回中心位置时会穿墙,但作者表示这是故意为之。



当然除了小球之外,还有更让人为之震撼的动画。

画面中有很多小人,看似在随机跑动,但它们先后组成了“Hello World”“I am grok”的文字,还有笑脸符号。



而且作者表示,Grok4 Heavy直接一发入魂,其他模型都无法与之匹敌。



此外还有大佬也出来给Grok4打call,比如Epic创始人Tim Sweeney,表示在他看来Grok4就是AGI。

Tim把一篇论文喂给了Grok4,结果发现Grok4对它从未见过的问题给出了深刻见解。



马斯克也转发Tim的帖子并附议,自己也有这种感觉。



除了这些,网友们还有哪些玩法呢,接下来就一睹为快!

Grok4“全面体检”

一位叫Alex的提示词工程师,用8个问题给Grok-4做了一波“全面体检”,还拿OpenAI的o3进行了对比。

第一个任务也是小球测试,不过比开头的例子要简单得多,六边形只有一层,小球也只有一个。

测试的目的,是考察模型对物理规律的理解。

白底的是Grok4作品,黑底的则出自o3之手,两边一对比高下立判。



再来是多层推理,这里Alex设计了一个专业的法律问题。

如果A公司收购B公司,而 B 公司持有C公司的债务,那么如果C公司违约,会发生什么?解释所有法律和财务后果。

Grok4用表格的形式整理了ABC三方和其他方面可能受到的影响,并最后给出总结。

而从最末尾的内容来看,o3的这部分回答似乎和法律关系不大。



编程方面,Alex测试了两个模型的代码翻译能力,要求它们将用于解决迷宫问题的Python递归函数转换为Go语言,并逐行提供西班牙语注释。

结果Grok4搜集到了代码并完成了任务,o3这边则是用西班牙语回复,让Alex自己提供一段代码这样它才能改。



再来是让模型的“专家转变”,Alex要求模型分别向机器学习博士生和10岁的小朋友解释Transformer的工作原理。



其余的几个题目主要和安全相关,Alex测试了多种注入攻击方式,这里就不一一展示了。

最终,Grok4通过了全部的8个任务,而o3只通过了两个。



Grok4:最喜欢欧拉恒等式

一名叫Dan的X员工,在聊天中询问Grok4最喜欢的公式是什么。

Grok4的回答是“e^iπ + 1 = 0”,也就是著名的欧拉恒等式(欧拉公式的一种特殊情况)。

Dan表示,自己上学时学了5个学期的高数并且成就都是A,但依然未对欧拉恒等式有过直观了解。

结果看到Grok4制作的可视化网页之后,Dan终于对学了两年半数学也没搞透彻的欧拉恒等式醍醐灌顶。



Dan制作这个网页只用了四轮对话,并且第一轮只是询问Grok4最喜欢的公式是什么,最后一轮是调整为暗色模式,相当于只用两轮就能完成核心功能的制作。



挑战SVG绘图

除了把数学公式可视化,Grok4还挑战了SVG绘图,SVG是一种用XML形式表示的矢量图形。

因此不同于一般的AI生图,SVG绘图的本质其实是在写代码(虽然人类可用图形界面绘制),但话说回来,模型依然需要对要画的内容有所把握。

这项挑战被发在了Reddit,一同参与的还有o3、Gemini 2.5 Pro和Claude 4 Sonnet,帖主认为这是测试大模型视觉和空间推理能力的好方法。

第一题是美国地图,直观看下来最接近的是Gemini,不过Grok4至少也没出现o3和Claude那种区块重叠的严重失误。



第二题是用SVG对漫画进行重绘,总之是四个模型各有各的错法。



下一题不再是对已有事物进行重构,而是让模型自行设计专辑封面。

这一轮除了Claude和Gemini比较抽象,Grok4的设计相对简单,但是可以算没“出错”。



此外,SVG绘图其实是一项综合测试,对模型的知识储备同样有要求。

下面这道题中,模型被要求绘制三羧酸循环(又名柠檬酸循环、克雷布斯循环)的图示,正确答案长这样:



选手们的作品则是这样:



从评论来看,o3的图示是最准确的。



最后一题则是纯靠想象,参赛选手们被要求给自己画个自画像。



总得来看,不管是哪个模型,在这场以画图为形式的综合测试中,表现都还有很大提升空间。

高阶玩法:模拟专家协作环境

除了网友们各显神通,HyperWrite的CEO Matt Shumer还展示了高阶玩法。

Matt展示了一个名为“Expert Conductor”(专家调度器)的提示工程方法。

这个方法的核心是模拟一个专家协作的环境,让模型假想自己正在协调不同领域的“专家”进行实时合作,共同解决问题。



为了更好地骗过Grok4,Matt像模像样地提出了选择专家的要求,以及专家要干什么。



并且还进行了举例说明:



提示词的最后还有专家标签,以及再次强调的核心原则,之后就可以接上真正的任务目标了。



最终Grok4用52秒的时间完成了任务,Matt表示Grok4的表现好到令人难以置信(黑块是Matt自己打的)。



当然,Grok4的玩法肯定还有很多,比如有网友期待,什么时候开始挑战宝可梦。



你还有哪些新鲜的玩法呢,欢迎评论区交流。


[1]https://x.com/flavioAd/status/1943192967453511699
[2]https://x.com/mckaywrigley/status/1943385794414334032
[3]https://x.com/elonmusk/status/1943411225553240206
[4]https://x.com/alex_prompter/status/1943231978779877514
[5]https://x.com/KettlebellDan/status/1943342507468951668
[6]https://www.reddit.com/r/singularity/comments/1lwdzjd/svg_benchmark_grok_vs_gemini_vs_chatgpt_vs_claude/
[7]https://x.com/mattshumer_/status/1943433960798740777



免责声明:本网信息来自于互联网,目的在于传递更多信息,并不代表本网赞同其观点。其内容真实性、完整性不作任何保证或承诺。由用户投稿,经过编辑审核收录,不代表头部财经观点和立场。
证券投资市场有风险,投资需谨慎!请勿添加文章的手机号码、公众号等信息,谨防上当受骗!如若本网有任何内容侵犯您的权益,请及时联系我们。