重磅消息！《Grok 4.1》正式发布！此次更新不仅让它的智能水平再上一层楼，更赋予了它满满的“人情味”。新版本在情感理解与通用能力方面实现了大幅提升，对话时不再是冰冷生硬的机械回应，而是能如同真人般感知你的情绪，给予温暖贴心的互动。想了解它究竟有多强大？又该如何使用才能发挥最大价值？这份全网最详尽的使用指南已为你精心准备就绪！
grok4.1怎么用
马斯克的人工智能公司xAI几乎毫无预兆地发布了最新模型Grok4.1。刚刚，xAI宣布，Grok4.1已向所有用户开放，可在Grok官网、X平台以及iOS和Android应用中使用。
Grok4.1会即刻在Auto模式下推送，用户也能在模型选择器里手动进行选择。
此次，Grok4.1将在真实场景的实用价值上实现大幅飞跃，特别是在创意生成、情感共鸣与协同互动等维度展现出突出优势。该版本对用户深层需求的捕捉更为精准，对话过程更具沉浸感，自身的人格特质也更为稳定统一，与此同时，前代模型所具备的卓越智能水平与可靠性能均得到了完整承袭。
为达成这些优化目标，xAI基于支撑Grok4的同一套大规模强化学习基础设施，进一步对模型的风格、个性、助人性及对齐性进行了打磨。同时，针对这些无法直接验证的奖励信号，xAI研发出全新方案——借助前沿的智能体式推理模型作为奖励模型，以此实现对输出结果的大规模自主评估与迭代优化。在对比测试中，Grok4.1相较于此前的线上生产模型，获得用户偏好选择的概率达到64.78%。
Grok 4.1功能特点介绍
SOTA通用能力
Grok4.1在盲测形式的人类偏好评估中创下了新的标杆。在LMArena的TextArena排行榜上，Grok4.1的推理模式（代号quasarflux）凭借1483的Elo分数拿下总榜第一，比排名最高的非xAI模型足足领先31分。而Grok4.1的非推理模式（代号tensor）不用思维token就能快速响应，以1465的Elo分数位列总榜第二。就算不开启推理功能，Grok4.1的表现也超过了其他所有模型开启完整推理配置后的水平。和Grok4相比，Grok4.1的整体表现有了显著提升——Grok4之前的总排名仅为第33名。
为评估模型在个性与人际互动能力上的发展情况，xAI在EQ-Bench3基准测试中对Grok4.1展开了测试。EQ-Bench是一项由大语言模型担任评判的测试，旨在评估主动情绪智能，涵盖情绪理解、洞察力、同理心及人际交往技能等维度。测试集包含45个具有挑战性的角色扮演场景，其中多数由预先设定的三轮对话提示构成。该基准通过多项标准来验证模型回答的质量，以此评估模型的表现水平。另外，它还采用成对对比的方式，为排行榜中的每个模型计算归一化的Elo分数。xAI借助官方基准仓库进行测试，并公布了评分细则分数与归一化Elo分数。所有分数的计算均严格遵循基准要求：采用默认采样参数、指定的评判模型（Claude Sonnet3.7），且未添加系统提示词。最终结果表明，Grok4.1的推理模式和非推理模式在榜单中位列前两位。
以下示例展示了Grok4.1对情绪类提示的回应方式：
xAI在CreativeWritingv3基准测试中也对4.1系列模型的表现展开了评估。这一基准要求模型针对32个不同的写作提示生成回复，并完成3轮迭代。和EQ-Bench相似，评分会结合评分细则（rubrics）与模型对战得出的归一化Elo分数来计算。最终结果表明，Grok4.1的推理模式与非推理模式在基准测试里分别位列第二和第三，仅排在早期GPT5.1之后。
以下示例展示了Grok4.1在创意写作提示下的回答方式：
减少幻觉
配备搜索工具的Fast（非推理）模型可给出即时答复，不过因其推理深度有限、工具调用次数不多，所以更易产生事实性错误。在Grok4.1的后训练阶段，xAI重点针对信息查询类提示的事实幻觉问题进行了优化。之后，xAI在抽取的生产环境信息查询提示样本中，发现幻觉率有了明显降低。xAI借助生产流量中的真实信息查询请求，采用按类别分层抽样的方式来评估模型幻觉率。此外，还对FActScore这一包含500个不同人物传记类问题的公共基准测试展开了评测。
