Los Modelos de IA Grok 4 de Elon Musk Establecen Nuevos Récords de Referencia

Hablando de referencias, Grok 4 supera a todos los modelos de IA líderes de OpenAI, Google y Anthropic. En GPQA, Grok 4 obtuvo un 87.5% y Grok 4 Heavy logró un 88.9%. En la prueba AIME 2025, Grok 4 Heavy obtuvo un 100% de precisión.

Y en la desafiante referencia Humanity’s Last Exam, Grok 4 Heavy logró un 44.4% y Grok 4 obtuvo un 38.6%, con soporte de herramientas. En esta prueba, Gemini 2.5 Pro obtuvo un 26.9% y el o3 de OpenAI obtuvo un 24.9% con herramientas. Esto muestra que Grok 4 es actualmente el modelo de IA de razonamiento más avanzado.

Especialmente notable es que, en la nueva referencia ARC-AGI-2 recién lanzada, Grok 4 logró un récord del 15.9%, que es la puntuación más alta hasta la fecha. Obtuvo el doble que Claude Opus 4 y OpenAI o3. Esto convierte a Grok 4 en el modelo de IA fronterizo, entre todos los modelos de IA lanzados por cualquier laboratorio de IA hasta ahora. Y en la referencia ARC-AGI-1 anterior, Grok 4 logró un 66.7%, nuevamente más alto que los modelos OpenAI o3-pro y o4-mini disponibles públicamente.

xAI dice que Grok 4 Heavy es el modelo de IA más grande de la compañía, y que puede trabajar con múltiples agentes para resolver un problema en paralelo. Musk también dijo que se lanzará un modelo de IA para codificación en agosto, se planea un agente multimodal para septiembre, y finalmente podríamos ver un modelo de generación de video en octubre.

En general, xAI ha demostrado una vez más que es uno de los laboratorios de IA prominentes que entrena modelos de IA fundamentales y está en condiciones de desafiar a todos los principales actores de IA en el mundo.