Grok 4.1 新登场：AI 幻觉降 3 倍，情感理解与创意写作全面升级
2025-11-19 • By okx交易所
xAI于11/17宣布，最新模型Grok4.1已正式向所有用户开放，包含grok.com、推特(X)以及iOS、AndroidApp。xAI表示，这次升级着重在“真实世界的可用性”，包括更强的情感理解、更自然的人格表现、更高的创作力与更低的幻觉率，同时保留之前Grok4的推理能力与稳定度。
秘密测试胜率近65%，Grok4.1确认全面上线xAI先在11/1–11/14进行两周的秘密测试，把Grok4.1测试版以小比例导入Grok.com、X与手机App的真实流量，并透过“盲测比对”与上一版模型Grok4直接PK。
xAI表示盲测时，Grok4.1在真实流量上的偏好指数为64.78%，明显胜过Grok4，并宣布于11/17正式向所有用户开放使用。也同时表示从现在起，所有用户都能使用Grok4.1。只要用户开启Auto模式，它会自动使用Grok4.1，用户也可以在模型选单中自己选。
Grok4.1三大技术亮点一次看Grok4.1技术亮点1：全新强化学习架构，让回复更自然也更懂人Grok4.1的核心升级来自于使用与Grok4相同的“大规模强化学习基础架构”，但这次进一步引入新的方法，让模型能在更大规模下自动优化回复。而这次训练主要着重在不可验证的回复品质，像是语气、人设一致性、情绪互动、理解意图等，这些都不是单靠资料就能直接评分的。为了解决这个问题，xAI使用了“前沿推理模型”作为奖励模型(RewardModel)，让这些具备深度推理能力的AI来自动评估Grok4.1的回复，并在大量的比较中自行学习什么是更好、更符合人类期待的回答，并且做调整。因此Grok4.1在语气、个性、情绪、互动自然度上明显提升，同时保持原本的推理能力与稳定性。Grok4.1技术亮点2：盲测评比全面登顶，情绪理解与创作力大幅升级xAI也公布多项实测结果，显示Grok4.1在多个能力测试上都有明显提升。在LMArena全球盲测对战平台中：Grok4.1Thinking以1483Elo排名世界第一。Grok4.1Non-Thinking以1465Elo排名第二，甚至超越其他模型的“完整推理模式”。情绪理解测试(EQ-Bench3)：采用45个高难度情境与3回合互动，由ClaudeSonnet3.7评分。Grok4.1在同理心、情绪洞察、人际理解等方面表现显著提升。创意写作能力(CreativeWritingv3)：在32题×3回合的写作测试中，Grok4.1在创作风格、叙事品质、故事流畅度上都有更高分数，官方并展示多个样本回复。整体来看，Grok4.1不只在推理力提升，而是在“情感互动”与“创作能力”方面也有明显升级。从图可得知，Grok4.1在推理模型综合排名、情绪理解与创意写作比较上，皆占前三名。(注：Elo，意指 Grok4.1在全球盲测平台LMArena上的战力分数，采用原本用于国际象棋的Elo排名系统来评比模型回复优劣。)Grok4.1技术亮点3：AI幻觉下降3倍，资讯来源更可靠对于常见的资讯查询类问题，xAI特别强调Grok4.1的幻觉率明显下降。先前Gork的快速模式(Non-Reasoning)原本容易因推理深度不足而出现幻觉，但在4.1的后训练中，xAI明确针对这问题进行改善。xAI的验证方式包括：从用户在真实情况下问的、真正出现在平台上的问题，来进行抽样测试。对照Grok4.1与旧版模型的回答差异。评估在FActScore上的表现。结果显示，新版本在查询事实、回复资讯性问题时，幻觉率明显下降，回答更稳定、更可信。使得Grok4.1在“快速答题”与“查资料”的场景中，比前代版本更实用、更精准。从图可得知，Grok4.1的幻觉率从12.09%下降至4.22%，下降约三倍。事实验证评分(FActScore)也从9.89%降到2.97%，表示Grok4.1准确度有大幅改善。(注：FActScore为由500题真实人物传记问题组成的公开测试，用来检验模型在搜寻事实、判断正确性与回答一致性上的表现，可称作验证事实评分。)(2025最新五大主流AI语言模型(LLM)全解析，付费、应用与安全性一次看懂)这篇文章Grok4.1新登场：AI幻觉降3倍，情感理解与创意写作全面升级最早出现于链新闻ABMedia。
