馬斯克的Grok 4.3悄悄上線，跑分評測出爐

新智元報道

編輯：艾倫

【新智元導讀】Grok 4.3 是 xAI 一次務實升級：更便宜、更快、更像能干活的助手。但它在硬推理、穩定性和可信度上，仍落后 GPT-5.5 與 Claude Opus 4.7。

xAI 發布 Grok 4.3，沒有把聲量拉到最大，馬斯克甚至沒單獨發推，看起來只是個過渡版本。

https://x.com/elonmusk/status/2045590599206875216

它更像一次安靜的產品換擋：把模型放進 API，把價格打下來，把工具能力補上，再告訴開發者可以從舊版 Grok 遷移過來。

沒有 AGI 宏大敘事，也少了馬斯克式的「即將改變一切」。這反而讓 Grok 4.3 看起來更真實。

對普通消費者來說，Grok 4.3 最重要的變化并非某個榜單分數漲了幾分，而是 AI 助手正在變得更便宜、更快，也更像一個能替人完成文件、表格、演示文稿的合格助手。

然而，Grok 4.3 的聰明程度仍然沒追上 GPT-5.5 和 Claude Opus 4.7。

它是一款性價比很強的新模型，也是一款仍有明顯天花板的模型。

消費者真正需要關心的，是它在哪些場景能省錢省時間，在哪些場景會因為判斷不準、想太久或說太多，反而增加成本。

它確實變強了

尤其像一個更會干活的助手

Artificial Analysis 給 Grok 4.3 的 Intelligence Index 打到 53 分，比 Grok 4.20 0309 v2 高 4 分，也超過 Claude Sonnet 4.6 和 Muse Spark。

這個提升不算小，尤其在 xAI 自家模型線里，Grok 4.3 已經是目前最強的一檔。

更值得看的是代理任務表現。

Grok 4.3 在 GDPval-AA 上拿到 1500 Elo，相比 Grok 4.20 0309 v2 的 1179，提升了 321 分。

這個榜單更接近日常「讓 AI 做事」的場景，比如整理資料、執行復雜步驟、處理真實工作流。這對普通用戶有實際意義。

讓 AI 幫忙寫周報、搭表格、做方案、拆會議紀要、生成 PPT，Grok 4.3 的體驗會比前代更完整。

Grok 可以創建演示文稿、文檔和電子表格，可以在一個計算機環境里寫代碼、運行代碼、安裝依賴并產出文件。

對不懂代碼的用戶來說，這意味著很多原本需要在 Excel、PowerPoint、瀏覽器之間來回切換的操作，可能會被壓縮成一句指令。

這也是 AI 消費級產品真正該競爭的地方——用戶更在意它能不能把一個報銷表做完，把一份旅行計劃排清楚，把一封語氣得體的郵件寫好。

Grok 4.3 在這部分的進步，是真進步。

更便宜

是這次最直接的產品賣點

Grok 4.3 的價格很有侵略性。

它的 API 價格為每百萬輸入 Tokens 1.25 美元、每百萬輸出 Tokens 2.50 美元，相比 Grok 4.20 輸入價格低約 40%，輸出價格低約 60%。

Artificial Analysis 測算，運行整套 Intelligence Index 評測成本約為 395 美元，比 Grok 4.20 0309 v2 低約 20%。

這會影響消費者，只是方式沒那么直觀。

大多數普通人不會直接調用 API，但他們會用到基于 API 構建的產品。

AI 寫作工具、客服機器人、語音助理、教育應用、辦公插件，背后都要為模型調用付費。

當底層模型價格下降，應用廠商有空間降低訂閱費，或者在同樣價格下提供更多次數、更長上下文、更復雜任務。

Grok 4.3 還有一個優勢是速度。

Artificial Analysis 的 xAI 模型頁顯示，它是 xAI 當前輸出速度最快的模型之一，約 196 Tokens/s，屬于很快的一檔。

對語音聊天、實時客服、長文生成和批量內容處理來說，等待時間會直接影響體驗。

但速度有一個細節容易被忽略：Grok 4.3 的首 Token 延遲并不低。

它會先「想一會兒」，然后快速輸出。

長答案里，這種速度優勢明顯；短對話里，用戶可能先感受到停頓，再感受到快。

用于客服、語音助手、移動端聊天時，這個差異會被放大。

它更會說人話

這是 Grok 的隱藏優勢

Grok 一直有一個微妙優勢：語氣更像真人。

Hacker News 上有人提到，一些英語非母語用戶認為 Grok 在把握文本語氣、正式程度和微妙人際表達上，比其他模型更自然。

有人拿它和 ChatGPT、Claude 比，認為 Grok 在非正式朋友語氣、同事溝通、語音輸入識別上表現更貼近真實交流。

https://news.ycombinator.com/item?id=47972447

Grok 可能受益于 X 平臺海量口語化表達訓練。

它更容易捕捉社交網絡里的語氣、節奏、松弛感等；它也可能因此繼承社交網絡的噪音、偏見和表達習慣。

對 C 端用戶來說，這種「更自然」的能力會讓 Grok 在寫消息、口語轉寫、語音助手、輕辦公場景里很討喜。

它未必最聰明，但可能更像一個愿意按你的語氣說話的助手。

Yes, BUT...

它比不過 GPT-5.5 和 Claude Opus 4.7

Grok 4.3 最大的問題，是它看起來已經進入第一梯隊邊緣，卻還沒站到最前面。

Grok 4.3 的 Intelligence Index 為 53，GPT-5.5 為 60，Claude Opus 4.7 為 57。

這個差距不只是排行榜上的幾分。

對普通消費者來說，它會體現在復雜推理、代碼調試、長文核查、專業咨詢和多步驟任務的穩定性上。

在 GDPval-AA 上，Grok 4.3 的提升很大，但仍落后 GPT-5.5 xhigh 276 Elo，按標準 Elo 公式，面對 GPT-5.5 的預期勝率約 17%。

它在幻覺控制上也有代價。

Grok 4.3 的 AA-Omniscience Accuracy（準確率）提升 8 分，但 Non-Hallucination Rate（非幻覺率）下降 8 分。

這里的準確率和非幻覺率是不同的，準確率只看你答對了多少，而非幻覺率是看你沒答出來的問題里面，有多少是模型老實承認自己不會的——不會但振振有詞，就是所謂的「幻覺」。

換言之，Grok 4.3 的知識覆蓋率變高了，但也更容易出現幻覺了。

而消費者最怕的情況就是 AI 答得很流暢、很自信、很像那么回事，結果關鍵事實錯了。

人類已經很擅長自信地犯錯，機器不必急著加入這個傳統項目。

這意味著，在醫療、法律、金融、學術和工程等高風險場景里，Grok 4.3 仍需要謹慎使用。

它適合幫用戶起草、整理、生成初稿，適合做低風險的輔助工作；涉及最終判斷，GPT-5.5 和 Claude Opus 4.7 仍更穩。

長上下文和工具能力很好

但消費者買賬的是結果

Grok 4.3 提供 100 萬 Token 上下文窗口，這對長文檔、代碼庫、合同、報告和資料庫很有吸引力。

用戶可以丟進去更多材料，讓模型在更完整的信息環境里工作。

對研究、辦公和創作來說，這是一種實用能力。

它還支持文本和圖像輸入，輸出文本，并圍繞工具調用、網頁搜索、X 搜索、代碼執行、文件搜索、RAG 等能力加強。

xAI 還推出了 Custom Voices、語音代理、TTS 和 STT 等產品，把 Grok 的邊界從文字擴展到語音。

對普通用戶來說，未來的 Grok 可能不只是一個聊天框，而是一個能讀文件、查網頁、寫表格、說話、聽話的多模態助手。

問題在于，功能多不等于體驗好。

消費級 AI 的競爭，最后會回到三個樸素標準：少等、少錯、少折騰。

Grok 4.3 在「少等」和「少花錢」上明顯前進，在「少錯」上還沒給出足夠強的答案。

Grok 4.3 的準確定位：

性價比模型，不是最強模型

Grok 4.3 最適合的定位，是一款高性價比的工作型模型。

它適合高頻內容生成、語氣改寫、長文本初篩、語音產品、客服場景、批量辦公任務、輕量級代理工作流。

它也適合那些對成本敏感、對響應速度敏感、對最強推理沒有執念的產品。

很多消費者并不需要每次都調用最強模型，就像不應該只是為了買菜開超跑，除非另有所圖。

但如果任務要求深度推理、嚴謹事實核查、復雜代碼、數學證明、長期項目記憶和專業判斷，Grok 4.3 還不該成為第一選擇。

GPT-5.5 和 Claude Opus 4.7 仍然更適合承擔這些高價值、高風險任務。

這次 xAI 的策略很清楚：先把模型做得足夠強，再把價格打下來，用速度和工具能力擴大可用場景。

它沒有贏下「最聰明模型」的頭銜，但可能會贏走一部分真實使用量。

因為市場并不總獎勵最強者，也獎勵夠強、夠快、夠便宜的選擇。

Grok 4.3 的意義正在這里。它把 xAI 從一個經常靠馬斯克聲量吸引注意的模型供應商，往更務實的 API 和消費級工具競爭者方向推進了一步。

它看起來很好，確實很好；只是還沒好到能讓 GPT-5.5 和 Claude Opus 4.7 緊張。

消費者可以期待它降價、提速、讓更多 AI 應用變得便宜。

也該記住，在需要真正聰明和可靠的地方，Grok 4.3 仍然只是備選項。

參考資料：

https://artificialanalysis.ai/models/grok-4-3