Grok-2 与 Grok-2 mini

是什么

Grok-2 与 Grok-2 mini 是 xAI 于 2024 年 8 月 13 日发布的两个规模的模型，最初以 beta 形式向 X Premium 和 Premium+ 订阅用户开放。^[1] 其中 Grok-2 除了文字也能接受图像输入，xAI 用 MMMU、MathVista、DocVQA 三项视觉基准来评测这一能力。^[1] 同一次发布还给 X 上的 Grok 加上了图像生成功能，用的是 Black Forest Labs 的 FLUX.1 模型。^[1][2]

把一次发布拆成标准版和小型版是常见做法：大模型面向最难的任务，小模型通常推理成本更低、速度更快，适合日常对话和编程辅助。Grok-2 mini 就是这对模型里的那个小型版本。

上线方式

Grok-2 mini 在发布当天就可使用，完整版 Grok-2 则在 2024 年 8 月 20 日上线。^[2] 这次发布是 X 站内的 beta：用户通过 X 应用里的 Grok 标签页使用模型，Grok-2 会调用 X 上的实时信息。^[1] xAI 表示两个模型随后也会通过其企业 API 提供，时间同样在 2024 年 8 月。^[1] 按 xAI 的说法，这套 API 建立在自研的技术栈上，支持多区域推理，并带有强制多因素认证（multi-factor authentication）、流量统计和计费分析。^[1]

这里的 beta 指的是模型已对订阅用户开放、但仍在调整和修复，并非最终完成版；把首发的入口放在 X 的订阅档位里，也让这个助手成为付费产品的一部分。

公布的基准成绩

xAI 为两个模型公布了基准表。Grok-2 的成绩是 GPQA 56.0%、MMLU 87.5%、MMLU-Pro 75.5%、MATH 76.1%、HumanEval 88.4%、MMMU 66.1%、MathVista 69.0%、DocVQA 93.6%。^[1] 规模更小的 Grok-2 mini 则是 GPQA 51.0%、MMLU 86.2%、MATH 73.0%、HumanEval 85.7%。^[1]

这些基准考的东西并不相同：MMLU 和 MMLU-Pro 是覆盖面很广的选择题知识测试，GPQA 是研究生水平的难题集，MATH 是竞赛式数学题，HumanEval 测的是写短程序的能力，MMMU、MathVista、DocVQA 则测模型读图、读图表和读扫描文档的能力。这类分数由开发者自己报告，反映的是模型在固定测试集上的表现，不等于在每一个真实任务上都如此。

一个名为「sus-column-r」的模型也以匿名方式在 LMSYS Chatbot Arena 上接受了评测；这个擂台让用户比较两个匿名回答并投票。xAI 称该模型就是 Grok-2，并在总榜的 Elo 上超过了 Claude 3.5 Sonnet 和 GPT-4 Turbo。^[1]

后续更新与权重公开

2024 年 12 月，xAI 更新了 grok-2-1212 和 grok-2-vision-1212 两个模型，称其准确率、指令遵循和多语言能力都有提升。^[3] 2025 年 8 月，xAI 在 Hugging Face 上以 xai-org/grok-2 为名公开了 Grok 2.5 的权重：约 500 GB、分 42 个文件，需要 8 块显存超过 40 GB 的 GPU 才能运行，采用 Grok 2 Community License Agreement，商业用途受可接受使用政策（acceptable use policy）限制。^[4][2]

公开权重意味着别人可以把模型下载下来跑在自己的硬件上，而不必调用 API；但上面的硬件要求也说明为什么个人很少这么做——完整的一份放不进单张消费级显卡。许可条款同样关键：能下载权重，并不等于可以不受限制地使用。

在 Grok 系列中的位置

xAI 称 Grok-2 相比 Grok-1.5 在对话、编程和推理上都有明显提升，并称 Grok-2 mini 是一个个头小但能力不错的同伴。^[1] 后继者 Grok 3 于 2025 年 2 月推出，训练所用的算力是 Grok-2 的十倍。^[2]