量子位
·
马斯克悄然发布Grok 4.1，霸榜大模型竞技场所有排行榜
内容提要
马斯克发布的Grok 4.1在大模型竞技场中表现优异，思考模式和非思考模式分别排名第一和第二。该模型在情感、创造性和互动性方面显著提升，强化学习算法得到改进，减少了信息检索中的事实性幻觉。Grok 4.1现已向所有用户开放。
关键要点
-
马斯克发布Grok 4.1，表现优异，思考模式和非思考模式分别排名第一和第二。
-
Grok 4.1思考模式以1483的Elo分数稳居榜首，非思考模式以1465分拿下第二名。
-
Grok 4在排行榜上仅排第33位，Grok 4.1在短时间内实现了巨大飞跃。
-
在专家榜和职业榜上，Grok 4.1同样表现出色，多个领域均取得第一。
-
Grok 4.1在EQ-Bench情商测试中表现优异，超过了Kimi K2。
-
Grok 4.1在创造性、情感性和互动性方面有显著提升，模型更加善于捕捉细微意图。
-
团队通过强化学习算法的改进，将RLHF推向前所未有的高度。
-
Grok 4.1特别加强了快速回复模式，减少了输出标记数。
-
在后训练阶段，Grok 4.1重点改善了幻觉问题，降低了事实性幻觉的发生率。
-
Grok 4.1已在多个平台向所有用户开放，默认以自动模式推出。
延伸解读
Grok 4.1的技术突破
Grok 4.1在强化学习算法上取得了显著进展，特别是在情感、创造性和互动性方面的提升，使得模型更能理解用户的细微意图。这种技术突破不仅提升了用户体验，也为未来的AI对话系统设定了新的标准。
排行榜的参考价值
尽管Grok 4.1在多个榜单上表现优异，但由于投票数较少，当前的排名可能不够稳定。用户在参考这些榜单时，应关注未来的投票变化，以获取更准确的模型表现评估。
幻觉问题的改善
Grok 4.1在后训练阶段专注于减少事实性幻觉，显著降低了错误信息的发生率。这一改进对于提升模型的可靠性至关重要，尤其是在信息检索和快速回答场景中，用户应留意模型的输出准确性。
延伸问答
Grok 4.1的思考模式和非思考模式的排名如何？
Grok 4.1的思考模式以1483的Elo分数排名第一，非思考模式以1465分排名第二。
Grok 4.1在情商测试中的表现如何？
Grok 4.1在EQ-Bench情商测试中表现优异，超过了Kimi K2。
Grok 4.1与之前版本相比有哪些显著改进？
Grok 4.1在创造性、情感性和互动性方面有显著提升，并改善了幻觉问题。
Grok 4.1是如何减少事实性幻觉的？
Grok 4.1在后训练阶段专注于减少信息检索提示中的事实性幻觉，显著降低了发生率。
Grok 4.1的快速回复模式有什么特点？
Grok 4.1特别加强了快速回复模式，关闭推理功能后，输出标记数从约2300个减少到850个。
Grok 4.1目前在哪些平台上可用？
Grok 4.1已在grok.com、X平台以及iOS和Android应用上向所有用户开放。
