Grok 4.1 新登場：AI 幻覺降 3 倍，情感理解與創意寫作全面升級

xAI 於 11/17 宣布，最新模型 Grok 4.1 已正式向所有用戶開放，包含 grok.com、推特 (X) 以及 iOS、Android App。xAI 表示，這次升級著重在「真實世界的可用性」，包括更強的情感理解、更自然的人格表現、更高的創作力與更低的幻覺率，同時保留之前 Grok 4 的推理能力與穩定度。

祕密測試勝率近 65%，Grok 4.1 確認全面上線

xAI 先在 11/1 – 11/14 進行兩週的祕密測試，把 Grok 4.1 測試版以小比例導入 Grok.com、X 與手機 App 的真實流量，並透過「盲測比對」與上一版模型 Grok 4 直接 PK。

xAI 表示盲測時，Grok 4.1 在真實流量上的偏好指數為 64.78%，明顯勝過 Grok 4，並宣布於 11/17 正式向所有用戶開放使用。也同時表示從現在起，所有用戶都能使用 Grok 4.1。只要用戶開啟 Auto 模式，它會自動使用 Grok 4.1，用戶也可以在模型選單中自己選。

Grok 4.1 三大技術亮點一次看

Grok 4.1 技術亮點 1：全新強化學習架構，讓回覆更自然也更懂人

Grok 4.1 的核心升級來自於使用與 Grok 4 相同的「大規模強化學習基礎架構」，但這次進一步引入新的方法，讓模型能在更大規模下自動優化回覆。而這次訓練主要著重在不可驗證的回覆品質，像是語氣、人設一致性、情緒互動、理解意圖等，這些都不是單靠資料就能直接評分的。

為了解決這個問題，xAI 使用了「前沿推理模型」作為獎勵模型 (Reward Model)，讓這些具備深度推理能力的 AI 來自動評估 Grok 4.1 的回覆，並在大量的比較中自行學習什麼是更好、更符合人類期待的回答，並且做調整。因此 Grok 4.1 在語氣、個性、情緒、互動自然度上明顯提升，同時保持原本的推理能力與穩定性。

Grok 4.1 技術亮點 2：盲測評比全面登頂，情緒理解與創作力大幅升級

xAI 也公布多項實測結果，顯示 Grok 4.1 在多個能力測試上都有明顯提升。

在 LMArena 全球盲測對戰平台中：

Grok 4.1 Thinking 以 1483 Elo 排名世界第一。

Grok 4.1 Non-Thinking 以 1465 Elo 排名第二，甚至超越其他模型的「完整推理模式」。

情緒理解測試 (EQ-Bench 3)：採用 45 個高難度情境與 3 回合互動，由 Claude Sonnet 3.7 評分。Grok 4.1 在同理心、情緒洞察、人際理解等方面表現顯著提升。

創意寫作能力 (Creative Writing v3)：在 32 題 × 3 回合的寫作測試中，Grok 4.1 在創作風格、敘事品質、故事流暢度上都有更高分數，官方並展示多個樣本回覆。

整體來看，Grok 4.1 不只在推理力提升，而是在「情感互動」與「創作能力」方面也有明顯升級。

從圖可得知，Grok 4.1 在推理模型綜合排名、情緒理解與創意寫作比較上，皆佔前三名。

(註：Elo，意指 Grok 4.1 在全球盲測平台 LMArena 上的戰力分數，採用原本用於西洋棋的 Elo 排名系統來評比模型回覆優劣。)

Grok 4.1 技術亮點 3： AI 幻覺下降 3 倍，資訊來源更可靠

對於常見的資訊查詢類問題，xAI 特別強調 Grok 4.1 的幻覺率明顯下降。先前 Gork 的快速模式 (Non-Reasoning) 原本容易因推理深度不足而出現幻覺，但在 4.1 的後訓練中，xAI 明確針對這問題進行改善。xAI 的驗證方式包括：

從用戶在真實情況下問的、真正出現在平台上的問題，來進行抽樣測試。

對照 Grok 4.1 與舊版模型的回答差異。

評估在 FActScore 上的表現。

結果顯示，新版本在查詢事實、回覆資訊性問題時，幻覺率明顯下降，回答更穩定、更可信。使得 Grok 4.1 在「快速答題」與「查資料」的場景中，比前代版本更實用、更精準。

從圖可得知，Grok 4.1 的幻覺率從 12.09% 下降至 4.22%，下降約三倍。事實驗證評分 (FActScore) 也從 9.89% 降到 2.97%，表示 Grok 4.1 準確度有大幅改善。

(註：FActScore 為由 500 題真實人物傳記問題組成的公開測試，用來檢驗模型在搜尋事實、判斷正確性與回答一致性上的表現，可稱作驗證事實評分。)

(2025 最新五大主流 AI 語言模型 (LLM) 全解析，付費、應用與安全性一次看懂)

這篇文章 Grok 4.1 新登場：AI 幻覺降 3 倍，情感理解與創意寫作全面升級 最早出現於 鏈新聞 ABMedia。