XNews

xAI 发布 Grok 4.1

xAI 发布 Grok 4.1

xAI 正式发布 Grok 4.1,聚焦理解、共情与人际相处。

Key insights

Grok 4.1 将情感智能作为核心目标

Grok 4.1 正式发布,xAI 把模型核心目标定位为“理解、共情、与人相处”,并在 EQ-Bench3 上取得 1586 的最高分(对比 GPT-5 的 1364),体现出对情绪识别与共情回应的显著改进。官方展示示例显示新版能在悲伤语境中生成更具细节和安慰性的回应,强调长期对话中的人格一致性与协作性提升。

采用高阶推理模型作为奖励模型实现“AI 训练 AI”

Grok 4.1 引入一种创新训练方式:使用具备推理能力的高阶智能体(frontier agentic reasoning models)充当奖励模型,对 Grok 的回答进行自动审查与评分,从而在大规模迭代中提升风格、逻辑与一致性,逐步减少对人工标注的依赖。

两种响应模式分别兼顾深度推理与即时响应

Grok 4.1 提供 Thinking 模式(代号 quasarflux)用于深度推理和复杂问题求解,以及非推理模式(代号 tensor)用于即时、低延迟响应。Thinking 模式在 LMSYS Arena 文本榜获得 1483 Elo,非推理模式取得 1465 Elo,凸显不同模式下的性能权衡。

用户盲测和排行榜显示显著主观/客观优势

在生产环境真实用户盲测中,Grok 4.1 被优先选择比例为 64.78%。在 LMSYS Arena 文本榜单中,Thinking 模式以 1483 Elo 位列第一,非推理模式以 1465 Elo 居第二,显示出在用户主观偏好与文本基准上的领先表现。

事实性错误与幻觉率显著下降

Grok 4.1 的信息错误率下降约 65%,幻觉发生率降低约 3 倍。结合网络搜索工具时,事实一致性更稳定,FActScore 与错误率指标优于前代 Grok 4,降低了事实查询场景中的错误风险。

在创意写作与对话连续性方面表现提升

Grok 4.1 在创造力、人格一致性和协作性三个维度实现质变:写作与故事创作的语言风格更强,长对话中能维持统一语气和个性,并在多轮对话或任务协同里保持连贯性与目标意识,创意写作基准与多轮角色扮演场景中表现优异。

Source posts