覆盖范围最广、难度最高的终极闭卷学术基准「人类最后的考试」（Human Last Exam，HLE），横跨100多个学科的2,500道专家级试题。 
 [PixPin_2025-07-08_09-16-26] 
Grok 4紧随其后： 

Grok 4跑分提前泄露，在「人类最后考试」中高达45%的得分，远超Gemini与Claude，成为当前测试中最强模型之一。马斯克表示Grok 4以「第一性原理」构建推理机制，Grok 4有望改写LLM格局。 
马斯克Grok 4逆天跑分泄露，“人类最后考试”豪取45%全场第一-36氪