xAIがGrok 4.1を発表

xAIはGrok 4.1を正式にリリースし、理解、共感、人間関係に焦点を当てています。
Key insights
Grok 4.1は感情知能を核心目標に据える
Grok 4.1が正式にリリースされ、xAIはモデルの核心目標を「理解、共感、人間関係」と定め、EQ-Bench3で1586という最高スコアを達成しました(GPT-5の1364と比較)。これは感情認識と共感的応答の顕著な改善を示しています。公式の例は、新バージョンが悲しい文脈でより詳細で慰めのある応答を生成できることを示しており、長期的な対話における人格の一貫性と協力性の向上を強調しています。
高次推論モデルを報酬モデルとして使用し「AIがAIを訓練する」
Grok 4.1は革新的なトレーニング方法を導入しました:推論能力を持つ高次知能エージェント(frontier agentic reasoning models)を報酬モデルとして使用し、Grokの応答を自動的にレビューおよび評価します。このアプローチは、大規模な反復を通じてスタイル、論理、一貫性を向上させ、人間の注釈への依存を徐々に減らします。
深い推論と即時応答を兼ね備えた2つの応答モード
Grok 4.1は、深い推論と複雑な問題解決のためのThinkingモード(コードネームquasarflux)と、即時かつ低遅延の応答のための非推論モード(コードネームtensor)を提供します。ThinkingモードはLMSYS Arenaのテキストランキングで1483 Eloを獲得し、非推論モードは1465 Eloを記録し、異なるモード間のパフォーマンスのトレードオフを際立たせています。
ユーザーの盲テストとランキングが顕著な主観的/客観的優位性を示す
生産環境での実際のユーザー盲テストでは、Grok 4.1が64.78%の優先選択率を示しました。LMSYS Arenaのテキストランキングでは、Thinkingモードが1483 Eloで1位、非推論モードが1465 Eloで2位にランクされており、ユーザーの主観的好みとテキストベンチマークの両方での優れたパフォーマンスを示しています。
事実誤認と幻覚率の大幅な低下
Grok 4.1は情報誤認率を約65%低下させ、幻覚の発生率を約3倍減少させました。オンライン検索ツールと組み合わせることで、事実の一貫性が大幅に向上し、FactScoreと誤認率の指標は前のGrok 4を上回り、事実確認シナリオにおける誤りのリスクを低減しました。
創造的な執筆と対話の連続性における改善
Grok 4.1は創造性、人格の一貫性、協力性の3つの次元で質的変化を達成しました。執筆やストーリー作成における言語スタイルが強化され、長い対話の中で一貫したトーンと個性を維持し、複数のターンの対話やタスクの協力においても一貫性と目標意識を保ち、創造的な執筆ベンチマークや複数ターンのロールプレイシナリオで優れたパフォーマンスを示しています。