新闻资讯7

Grok 4测试成绩优异，数据真实性引争议

AGI Hunt2025-07-04

AI 摘要

API开发者曝光Grok - 4测试成绩优异，HLE达45%碾压o3和Gemini。不过成绩引发争议，有人质疑数据污染，也有人支持xAI。目前数据未证实，AI能力边界竞赛才刚开始。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

J-Space让V4 Pro超Fable 5？测试结果翻车！

前两天J-Space凭夸张测试结果刷屏，宣称一份Skill接入Agent环境，能让V4 Pro在多基准大幅提升，部分成绩超Fable 5。但社区复测结果相反，作者未公开完整评测记录，还删质疑帖，引发公开打假。

国立清华与英伟达团队研究《VLM-AR3L》，把Gemini 2.0、GPT-4.1等拉进考场，评估视觉裁决能力。结果显示Gemini综合最稳，开源小模型特定场景反超。还提出VLM-AR3L框架破使用瓶颈，实战超人类手写奖励。

Genspark团队开源AI办公套件GenOffice，全平台免费无广告。它界面类似微软Office，零成本上手，AI能直接编辑文档。虽处Alpha阶段，但可切换多种模型，还给出了配置第三方模型的方法。

据Bloomberg爆料，16日Stripe敲定收购OpenRouter，超70亿美元。其创始人有成功经验，平台凭借统一API聚合AI模型受开发者青睐，业务增长快，已成AI行业“温度计”，Stripe借此掌控AI调用收支口。