性能：继续屠榜，各项得分超过o3/Gemini 2.5 Pro/Claude 4。 本次跑分重点都放在了Humanity Last Exam（之前的题都被刷爆了，各种模型分差不大），一般人类拿不了几分。Grok 4在Tool调用和Test time（也就是加reasoning算力）加成下，分数提升到50.7%（之前模型最高是Gemini 2.5 Pro的27%），提升非常显著。 算力：Grok 4在预训练算力相比Grok 2提升10x；推理算力相比Grok 3提升10x。RL是Grok 4的重点