馬斯克的 xAI 公司正式推出全新模型 Grok 4.1，即日起所有用戶皆可透過 grok.com 網站、X 平台以及 iOS 與 Android 應用程式進行體驗，這款新模型已透過 Auto 模式陸續推送，並可在模型選擇器中直接切換使用
本次更新外界關注的是其大幅提升人工智慧在現實世界中的實用性，Grok 4.1 在創意寫作、情感交流以及協作互動方面展現了更卓越的能力，新模型不僅能更敏銳地察覺使用者的意圖，在對話過程中也更具備連貫性與個人風格，同時保留了先前版本在智慧運算與可靠性上的優勢。
在技術層面上，Grok 4.1 沿用了驅動 Grok 4 的大規模強化學習基礎架構，並針對風格、個性、協助性與安全性進行了最佳化，為了改善這些難以量化的獎勵訊號，開發團隊採用了全新的方法，利用具代理式推理能力的大型模型作為獎勵模型，自動化評估並大規模迭代模型的回答品質。
靜默發布期間表現優異，稱霸 LMArena 文字排行榜
在正式發布前，xAI 於 2025 年 11 月 1 日至 14 日期間進行了為期兩週的靜默發布，將 Grok 4.1 的初步版本逐步推送到 grok.com、X 平台及行動裝置的生產流量中，在對比舊模型的盲測中，有 64.78% 的情境中使用者更偏好 Grok 4.1 的回應。
Grok 4.1 在 LMArena 的盲測人類偏好評估中樹立了新標準，代號為 quasarflux 的 Grok 4.1 Thinking 版本以 1483 分的 Elo積分佔據排行榜第一名，領先非 xAI 最高分模型達 31 分之多，而代號為 tensor 的非推理模式版本 Grok 4.1 也以 1465 分位居第二，其表現甚至超越了其他競爭對手具有完整推理能力的模型配置，相較於先前排名第 33 名的 Grok 4，進步幅度相當驚人。
情感商數與創作能力大幅提升
為了衡量模型在個性與人際互動上的進步，開發團隊使用 EQ-Bench3 對 Grok 4.1 進行了評估，這是一項由大型語言模型擔任評審的測試，旨在檢驗模型的情感智商、同理心與人際技巧。
測試結果顯示，Grok 4.1 Thinking 以 1586 分的標準化 Elo 積分位居榜首，展現了更細膩的情感處理能力，以面對用戶表達失去寵物的悲傷為例，Grok 4.1 的回應不再僅是制式的安慰，而是能給予更具溫度與同理心的回應。
在創意寫作方面，Grok 4.1 在 Creative Writing v3基準測試中同樣表現出色，Grok 4.1 Thinking 取得了 1721.9 分的成績，證明了其在處理複雜寫作任務時的靈活性與創造力。
降低幻覺與提升資訊準確度
快速且具備搜尋功能的非推理模型雖然能提供即時答案，但往往受限於推理深度而容易產生事實性錯誤，針對此問題，Grok 4.1 在後訓練中特別著重於減少資訊查詢類問題的幻覺現象。。
根據針對真實世界生產流量的評估結果，Grok 4.1 的幻覺率僅為 4.22%，遠低於 Grok 4 的 12.09%，在 FActScore 公開基準測試中，Grok 4.1 的錯誤率也從先前約 9.89% 降至 2.97%，顯示其在提供準確資訊方面的可靠性已大幅提升。
