凯发K8国际登录AI榜单“变天”了！马斯克发布Grok 41盲测排名登顶第一|r
凯发APP官网★◈★◈，k8凯发★◈★◈，凯发k8娱真人★◈★◈，凯发K8旗舰厅★◈★◈，凯发K8官网就在OpenAI发布GPT-5.1★◈★◈，大谈“情商”之际凯发K8国际登录★◈★◈，埃隆·马斯克（Elon Musk）也带着他的xAI★◈★◈，火速加入了这场“AI体验”之战★◈★◈。
就在刚刚★◈★◈，xAI宣布推出Grok4.1★◈★◈，这是对现有Grok 4模型的重大升级★◈★◈，并已在X平台以及iOS和Android应用向所有用户全面开放凯发K8国际登录★◈★◈。★◈★◈。官方宣称★◈★◈，新版本在创意表达★◈★◈、情感互动和协同交流方面表现尤为突出★◈★◈，并且出现幻觉的概率仅为此前模型的三分之一★◈★◈。
更引人注目的是★◈★◈，在一个公开的“盲测”竞技场（LMArena）上★◈★◈，Grok 4.1的“思考模式”版本已悄然登顶总榜第一★◈★◈，甚至其“非推理”的快速模式★◈★◈，都击败了所有对手的“完整推理”模式★◈★◈。
这场突如其来的“榜首易主”retiyishu★◈★◈，无疑为日趋白热化的AI竞赛凯发K8国际登录★◈★◈，又增添了浓重的火药味★◈★◈。
xAI本次发布了两个Grok 4.1模型★◈★◈：Grok 4.1（非推理模式）和Grok 4.1 Thinking（思考模式）★◈★◈。这两个模型均可免费使用★◈★◈，但付费用户面临的限制更少★◈★◈。
官方表示★◈★◈，新版本能更细致地理解隐含意图凯发K8国际登录★◈★◈，与之对话引人入胜★◈★◈，也更能保持人设的一致性★◈★◈。
为了优化模型的风格★◈★◈、人格和有用性★◈★◈，xAI利用前沿的代理型推理模型（agentic reasoning models）作为“奖励模型”★◈★◈，在大规模环境中自主评估并迭代模型的回答★◈★◈。
在11月1日至14日的“静默上线”期间★◈★◈，xAI在真实流量上进行了盲测式的成对比较评估★◈★◈，结果显示凯发K8国际登录★◈★◈，在64.78%的情况下★◈★◈，用户更偏好Grok 4.1★◈★◈。
LMArena是一个开源工具★◈★◈，用户可以通过并排★◈★◈、盲测的方式★◈★◈，比较不同大语言模型的表现★◈★◈。在这个竞争最激烈的“斗兽场”里★◈★◈，Grok 4.1取得了惊人的成绩★◈★◈：
·Grok 4.1的“思考模式”（代号★◈★◈：quasarflux）以1483 Elo的成绩位列总榜第一★◈★◈，领先所有非xAI模型31分★◈★◈。
·Grok 4.1的“非推理模式”（代号★◈★◈：tensor）无需使用“思考词元”（thinking tokens）★◈★◈，可立即生成回答凯发K8国际登录★◈★◈，并以1465 Elo的成绩排名第二★◈★◈。
·更夸张的是凯发K8国际登录★◈★◈，Grok 4.1的“非推理”模式表现★◈★◈，超过了所有其他模型在“完整推理模式”下的公开排行榜成绩★◈★◈。
·情绪智能（Emotional Intelligence）为评估模型在个性与人际互动方面的进展retiyishu★◈★◈，xAI对Grok 4.1进行了EQ-Bench3测试retiyishu★◈★◈。这是一项由LLM作为裁判的测试★◈★◈，用于评估模型在主动情绪智能retiyishu★◈★◈、理解力★◈★◈、洞察力★◈★◈、共情能力和人际技能方面的表现★◈★◈。
·创意写作能力（Creative Writing）xAI同样测量了Grok 4.1在Creative Writing v3基准测试中的表现★◈★◈。在该测试中★◈★◈，模型需要根据32个不同的写作提示★◈★◈，在3次迭代中生成回答凯发K8国际登录★◈★◈。
快速响应模型在配备搜索工具后★◈★◈，虽然能迅速给出答案★◈★◈，但更容易出现事实性错误★◈★◈。
在Grok 4.1的后训练阶段★◈★◈，xAI重点降低了模型在信息查询类提示中的事实性“幻觉”retiyishu★◈★◈。
根据xAI的说法★◈★◈，Grok 4.1出现幻觉的概率是此前模型的三分之一★◈★◈，这使其成为xAI迄今为止的最佳版本之一★◈★◈。
为了验证这一点★◈★◈，xAI不仅在真实的生产流量中进行了评估★◈★◈，还使用了FActScore——一个包含500道关于人物传记问题的公开基准测试★◈★◈。
更重要的是★◈★◈，谷歌（Google）正在准备发布Gemini 3.0★◈★◈，这可能会成为迄今为止最强大的模型★◈★◈。
Grok 4.1的发布★◈★◈，无疑是马斯克在AI竞赛中投下的一枚重要棋子★◈★◈。但在这场“神仙打架”的牌局中★◈★◈，谁能笑到最后★◈★◈，还远未可知★◈★◈。（易句）
