Grok-2測試版來的，讓人猝不及防。

剛剛，Xai官方丟出一篇博文，官宣Grok-2測試版正式發(fā)布。

而且，一發(fā)就是兩彈——Grok-2 + 輕量級Grok-2 mini。

馬斯克稱，Grok進展的速度驚人，只能用坐上火箭來形容。

相較于上一代Grok-1.5，Grok-2取得了顯著的進步，在聊天、編碼、推理方面，再次刷新SOTA。

大模型競技場LMSYS上，Grok-2早期版本sus-column-r在總榜上位列第三，可與GPT-4o抗衡，碾壓Claude 3.5 Sonnet。

此外，Grok-2在「編碼」和「數(shù)學」榜單位列第2，Hard Prompts位列第4。

網(wǎng)友：馬斯克的Grok已經(jīng)是榜上第五個GPT-4級模型了，保不齊最終版哪天就超到了TOP 1

目前，Grok-2和Grok-2 mini均在??上開啟了測試。本月底，兩個模型的API將會放出。

值得一提的是，X平臺這次還融合了爆火的Flux AI生圖能力。

這一點，今早就有網(wǎng)友提前放出了預(yù)告。

就看Grok生成美女的能力，真有點TED演講者那味兒了。

下面這位網(wǎng)友用Luma和Grok 2.0結(jié)合后，大贊做出的視頻簡直就像電影截圖一樣。

Grok-2能力如何？

Grok-2其實早就在我們身邊了，只是沒有人得知。

如前所述，早期版本sus-column-r在LMSYS平臺，接受了多種基準的評測。

在LLM排行榜中，Grok-2整體Elo評分（1281分），優(yōu)于Claude 3.5和GPT-4。

就勝率來看，Grok-2遠遠領(lǐng)先DeepSeek V2、Claude 3 Opus，相較于指令微調(diào)版的Llama 3.1超大杯，勝率為58%。

與GPT-4o和GPT-4o mini幾乎打成平手。

在Xai內(nèi)部，研究人員采用了類似的流程，以評估模型。

這里，他們訓(xùn)練了專門的AI系統(tǒng)——AI導(dǎo)師，在模擬Grok真實世界交互的任務(wù)中，與新模型進行互動。

每次互動中，AI導(dǎo)師會收到Grok生成的2個響應(yīng)，并根據(jù)指南中列出的特定標準，選擇更優(yōu)的響應(yīng)。

實驗過程中，研究團隊重點評估了模型在兩個關(guān)鍵領(lǐng)域的能力：

一是遵循指令，二是提供準確、事實性的信息。

結(jié)果發(fā)現(xiàn)，Grok-2利用檢索內(nèi)容進行推理，以及工具使用方面，得到了大幅提升。

比如，它可以正確識別缺失信息、推理事件的順序，甚至剔除無關(guān)的帖子。

可以看得出，就AI導(dǎo)師的偏好來看，Grok-2勝券在握。

接下來，具體看看Grok-2在不同基準上的表現(xiàn)吧。

性能評估

研究人員在一系列基準測試中評估了Grok-2，包括推理、閱讀理解、數(shù)學、科學、寫代碼。

宏觀講，相較于之前的Grok-1.5模型，Grok-2和Grok-2 mini都得到了顯著的改進。

下圖中可以看出，Grok-2和Grok-2 mini在研究生級別科學知識（GPQA）、數(shù)學競賽問題（MATH），代碼（HumanEval）領(lǐng)域，顯著提分10%-20%。

而且，另一個值得關(guān)注的現(xiàn)象是，Grok-2 mini是小參數(shù)版本的Grok-2。

但是，Grok-2 mini的性能絲毫不輸，幾乎接近大模型的性能，可見并沒有因為參數(shù)減少，而縮減模型的性能。

與前沿模型相比，Grok-2在編碼、數(shù)學、通用知識領(lǐng)域，與GPT-4o、Llama 3 405B有一定的差距，但結(jié)果非常接近。

它遠遠超過了GPT-4 Turno、Claude 3 Opus基準的性能。

另外，在視覺化任務(wù)中，比如視覺化數(shù)學推理（MathVista）和基于文檔的問題回答（DocVQA）上，Grok-2表現(xiàn)出色。

令人驚喜的是，經(jīng)典的「strawberry難題」，也被Grok 2.0一舉攻克。

在??上的體驗

當然了，Grok模型的每次迭代，就是為了更好地服務(wù)??。

經(jīng)過幾個月的不斷改進，全面升級之后的Grok，也有了新的界面和功能。

所有的Premium和Premium+用戶，都可以訪問這次新推出的Grok-2和Grok-2 mini。

作為??上最強的AI助手，Grok-2具備文本和視覺理解的高級能力，并集成了來自平臺的實時信息。

Grok-2 mini則是一個規(guī)模較小但功能強大的模型，提供了速度和質(zhì)量之間的最佳平衡。

與前輩相比，Grok-2在廣泛的任務(wù)中更直觀、可控且多功能，無論是尋找答案、協(xié)作寫作還是解決編程任務(wù)。

最近FLUX的爆火，讓全網(wǎng)都見識到了這款文生圖模型的強勁實力。

如今，xAI正在與推出它的「Black Forest Labs」合作，嘗試利用FLUX.1來增強Grok在??上的功能。

網(wǎng)友實測生圖

拿到測試資格的網(wǎng)友們，已經(jīng)迫不及待地上手測試了。

生成喬治華盛頓這樣人物的圖片，果然FLUX最拿手。

在吃熱狗的馬斯克，有點兒不像本尊。

說到馬斯克，下面這個海盜版大家覺得如何？

還有角斗士馬斯克，以及馬斯克在火星。

此外，也有網(wǎng)友生成了一張小扎拖著腮幫子眉頭緊鎖的照片。

這位網(wǎng)友表示，Grok 2.0的生圖功能比Llama要好，而且沒有「愚蠢的護欄」。

宮殿里的豪車、美少女戰(zhàn)士、一座雕塑、魔法書院，Grok都拿捏了。

看得出來，這位網(wǎng)友主打的就是一個精致。

加菲貓頭戴紅帽，附上「Make Mondays Great Again」，可見Grok在生成帶有字體的圖像時，也非常精致。

和聊天一樣，Grok生圖還可以生成兩種不同模式的，簡言之兩種風格的圖像——趣味和常規(guī)。

網(wǎng)友分別測試了這兩種模式，趣味模式下Grok的自畫像，更像是一位故事中的圣者。

而常規(guī)模式下的自畫像，反倒有些搞笑了。

它竟把自己設(shè)想成了，（類似）一份惠靈頓牛排。

API即將上線

除了能夠在??上體驗之外，Grok-2和Grok-2 mini還將在8月底正式上線企業(yè)API平臺。

xAI表示，Grok-2的API將基于新的定制技術(shù)棧。

一方面是支持多區(qū)域推理部署，可以實現(xiàn)全球范圍的低延遲訪問。

另一方面是支持增強的安全功能，例如強制多因素認證（如使用Yubikey、Apple TouchID或TOTP），豐富的流量統(tǒng)計，以及高級計費分析（包括詳細的數(shù)據(jù)導(dǎo)出）等等。

此外，xAI還提供了一個管理API，讓開發(fā)者和企業(yè)可以將團隊、用戶和計費管理集成到現(xiàn)有的內(nèi)部工具和服務(wù)中。

接下來是什么？

自從2023年11月Grok-1發(fā)布以來，xAI一直在以驚人的速度發(fā)展。

現(xiàn)在的Grok-2和Grok-2 mini，已經(jīng)具備了更強的搜索能力和改進的回復(fù)功能，并且可以對??的帖子進行更深入的洞察。

不久之后，xAI還會??和API上發(fā)布Grok的另一個核心體驗——多模態(tài)理解預(yù)覽版。

隨著Grok-2的推出，xAI再一次站到了AI開發(fā)的前沿。并且，有了新集群的加持，模型的推理能力也將得到進一步加強。