Grok 4.1 新登场：AI 幻觉降 3 倍，情感理解与创意写作全面升级

xAI 于 11/17 宣布，最新模型 Grok 4.1 已正式向所有用户开放，包含 grok.com、推特 (X) 以及 iOS、Android App。xAI 表示，这次升级着重在「真实世界的可用性」，包括更强的情感理解、更自然的人格表现、更高的创作力与更低的幻觉率，同时保留之前 Grok 4 的推理能力与稳定度。

秘密测试胜率近 65%，Grok 4.1 确认全面上线

xAI 先在 11/1 – 11/14 进行两周的秘密测试，把 Grok 4.1 测试版以小比例导入 Grok.com、X 与手机 App 的真实流量，并透过「盲测比对」与上一版模型 Grok 4 直接 PK。

xAI 表示盲测时，Grok 4.1 在真实流量上的偏好指数为 64.78%，明显胜过 Grok 4，并宣布于 11/17 正式向所有用户开放使用。也同时表示从现在起，所有用户都能使用 Grok 4.1。只要用户开启 Auto 模式，它会自动使用 Grok 4.1，用户也可以在模型选单中自己选。

Grok 4.1 三大技术亮点一次看

Grok 4.1 技术亮点 1：全新强化学习架构，让回复更自然也更懂人

Grok 4.1 的核心升级来自于使用与 Grok 4 相同的「大规模强化学习基础架构」，但这次进一步引入新的方法，让模型能在更大规模下自动优化回复。而这次训练主要着重在不可验证的回复品质，像是语气、人设一致性、情绪互动、理解意图等，这些都不是单靠资料就能直接评分的。

为了解决这个问题，xAI 使用了「前沿推理模型」作为奖励模型 (Reward Model)，让这些具备深度推理能力的 AI 来自动评估 Grok 4.1 的回复，并在大量的比较中自行学习什么是更好、更符合人类期待的回答，并且做调整。因此 Grok 4.1 在语气、个性、情绪、互动自然度上明显提升，同时保持原本的推理能力与稳定性。

Grok 4.1 技术亮点 2：盲测评比全面登顶，情绪理解与创作力大幅升级

xAI 也公布多项实测结果，显示 Grok 4.1 在多个能力测试上都有明显提升。

在 LMArena 全球盲测对战平台中：

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」。

情绪理解测试 (EQ-Bench 3)：采用 45 个高难度情境与 3 回合互动，由 Claude Sonnet 3.7 评分。Grok 4.1 在同理心、情绪洞察、人际理解等方面表现显著提升。

创意写作能力 (Creative Writing v3)：在 32 题 × 3 回合的写作测试中，Grok 4.1 在创作风格、叙事品质、故事流畅度上都有更高分数，官方并展示多个样本回复。

整体来看，Grok 4.1 不只在推理力提升，而是在「情感互动」与「创作能力」方面也有明显升级。

从图可得知，Grok 4.1 在推理模型综合排名、情绪理解与创意写作比较上，皆占前三名。

(注：Elo，意指 Grok 4.1 在全球盲测平台 LMArena 上的战力分数，采用原本用于西洋棋的 Elo 排名系统来评比模型回复优劣。)

Grok 4.1 技术亮点 3： AI 幻觉下降 3 倍，资讯来源更可靠

对于常见的资讯查询类问题，xAI 特别强调 Grok 4.1 的幻觉率明显下降。先前 Gork 的快速模式 (Non-Reasoning) 原本容易因推理深度不足而出现幻觉，但在 4.1 的后训练中，xAI 明确针对这问题进行改善。xAI 的验证方式包括：

从用户在真实情况下问的、真正出现在平台上的问题，来进行抽样测试。

对照 Grok 4.1 与旧版模型的回答差异。

评估在 FActScore 上的表现。

结果显示，新版本在查询事实、回复资讯性问题时，幻觉率明显下降，回答更稳定、更可信。使得 Grok 4.1 在「快速答题」与「查资料」的场景中，比前代版本更实用、更精准。

从图可得知，Grok 4.1 的幻觉率从 12.09% 下降至 4.22%，下降约三倍。事实验证评分 (FActScore) 也从 9.89% 降到 2.97%，表示 Grok 4.1 准确度有大幅改善。

(注：FActScore 为由 500 题真实人物传记问题组成的公开测试，用来检验模型在搜寻事实、判断正确性与回答一致性上的表现，可称作验证事实评分。)

(2025 最新五大主流 AI 语言模型 (LLM) 全解析，付费、应用与安全性一次看懂)

这篇文章 Grok 4.1 新登场：AI 幻觉降 3 倍，情感理解与创意写作全面升级 最早出现于 链新闻 ABMedia。