Table of Contents

• I. 实测模型基本信息
  • （1）各实测模型在 302.AI 的价格：
  • （2）测评目的：
  • （3）测评方法：
  • （4）测评工具：
• II. 测试结果总览
  • 302.AI 题库测试结果：
  • 测评分数总览：
  • 附302.AI测评分数榜单：
• III. 实测案例
  • 案例 1：人类直觉
  • 案例 2：创意写作
  • 案例 3：编程模拟-3D卡片画廊
  • 案例 4：编程模拟-小游戏
• IV. Grok 4.1 实测结论
  • V. 如何在 302.AI 上使用
    • 1. 聊天机器人中使用
    • 2. 使用模型 API

上周当整个 AI 圈的目光聚焦在 Google、OpenAI 两巨头的版本迭代时，xAI 再次以它标志性的突袭方式于 11 月 18 日凌晨向所有用户免费开放了 Grok 4.1 系列模型。这代表着在短短四个月内，Grok 4 系列完成了一次关键升级，并且这一升级，向外界清晰地传递出 xAI 独特的竞争策略：大模型的下一个前沿，或许不再是冰冷的算力与参数，而是有温度的情感和更具吸引力的人格。

与过往升级执着于提升纯推理能力或代码性能不同，xAI 此次为 Grok 4.1 设定的进化方向强调“人性化”。官方指出，本次升级的核心在于显著提升模型的创造力、情感理解与协作互动能力。这一切都指向一个核心——增强模型在真实世界场景中的可用性。其升级亮点聚焦于以下三个方面：

• 情感智能： 模型具备更高的情商，在共情、语气把握和人际互动上表现更趋近于人类，使对话更自然、更具吸引力。
• 创意写作： 针对故事、文案等需要想象力的任务，其内容生成质量显著提升，成为更出色的创意协作伙伴。
• 可靠性提升： 重点优化了事实准确性，将幻觉率显著降低，使模型在提供信息和解答问题时更加可信赖。

这番着眼于人性化与可用性的升级也转化为了硬核的性能数据。在LM Arena 上，Grok 4.1 的推理模式（Thinking）与非推理模式双双登顶，强势占据了排行榜前两名的席位，甚至其非推理模式的成绩都超过了其他所有模型的完整推理版本。更引人注目的是，在专门评估情商的 EQ-Bench v3 测试中，它同样包揽了冠亚军，并将幻觉率从 12% 大幅降至 4%

在官方给出的一张关于“安慰失去猫咪”的对比图中，Grok 4.1 的回复比旧版 Grok 更加情感细腻：

302.AI 现已接入 Grok 4.1 系列模型 API，本期测评将使用全能王者谷歌 Gemini 3 Pro，以中文创作能力见长的百度文心 ERNIE 5.0-Thinking，与 Grok 4.1 展开正面交锋。探索在多个维度的测试中，Grok 4.1 是能凭借其独特的亲和力开辟新径，还是会在综合实力的考验下显露短板。

I. 实测模型基本信息

（1）各实测模型在 302.AI 的价格：

（2）测评目的：

本评测侧重模型对逻辑，数学，编程，人类直觉，多模态等问题的测试，非专业前沿领域的权威测试。旨在观察对比模型的进化趋势，提供选型参考。

（3）测评方法：

本次测评使用302.AI收录的题库进行独立测试。3款模型分别就逻辑与数学（共10题），人类直觉（共7题），编程模拟（共8题），多模态（共20题）进行案例测试，对应记分规则取最终结果，下文选取代表性案例进行展示。

题库地址：https://docs.google.com/spreadsheets/d/1sBxs60yWsxc9I5Va8Rjc1_le1Omg2hOXbwqOzpImZio/edit?gid=0#gid=0

💡记分规则：

按满分10分记分，设定对应扣分标准，最终取每轮得分的平均值。

（4）测评工具：

302.AI 的API超市→在线使用

II. 测试结果总览

302.AI 题库测试结果：

测评分数总览：

附302.AI测评分数榜单：

III. 实测案例

案例 1：人类直觉

上文提到，Grok 4.1 升级的核心方向在于显著提升模型的创造力、情感理解与协作互动能力，也就是让模型更显“人性化”。

Grok 4.1 在人类直觉测试中拿下满分跑分确实充分印证了这一点。

例如在以下人类直觉测试案例中，Grok 4.1 的输出结果在共情深度和洞察力上，都比其前代模型 Grok 4 更胜一筹。

提示词： 给定一段模糊日记笔记：“今天上班迟到，老板生气，下午见朋友开心，吃火锅，晚上想起前任难过，明天要健身。” 请步步整理成结构化日记：提取事件时间线、情感变化（积极/消极）、关键主题，并总结一天心情趋势，处理模糊如“难过”可能隐含原因，解释如何通过上下文推断避免误读，不允许简单复制原文。

对比前代版本 Grok 4 的回答（左），Grok 4.1 的回答（右）不再是简单的时间表面现象罗列，而是提炼出“工作与责任压力”、“社交与即时满足”、“自我改善与未来导向”等情绪主题，揭示了事件背后的心理动因，且合理描述了情绪间如何相互影响，语言富有描述性和心理学色彩。

案例 2：创意写作

在 Creative Writing v3 创意写作基准测试中，Grok 4.1 系列模型表现优异，其推理模式排名第二，仅次于 GPT-5.1。

这表明它在故事构思、文风模仿和内容创新等需要想象力的任务上，已成为第一梯队的选手。

以下展示案例为 Grok 4.1 与创意写作领域同为强项的 Ernie 5.0 Thinking 的输出对比

提示词：

请将苏轼的《水调歌头·明月几时有》改编为科幻设定，要求：

【输出格式要求】

1. 核心概念（100字）：用一句话概括+简要阐述
2. 世界观设定（150字）：描述科幻背景下的”明月”、”天上宫阙”等元素
3. 哲学内核（100字）：说明如何保留原作的哲学思考
4. 关键场景描述（150字）：描绘一个体现”人有悲欢离合”主题的未来场景

总字数不超过500字，要求创意新颖且忠于原作精神。

Grok 4.1 的文笔更具风格化，在用词、造句上更为精雕细琢，且创造性地化用古典文学资源，将其融入全新的科幻语境，生成既有古韵又有未来感的作品输出。

Ernie 5.0 Thinking 的文笔则清晰、准确和生动，在营造温情画面和情感共鸣上非常成功。但它更像是一篇优秀的叙事文。

案例 3：编程模拟-3D卡片画廊

提示词： 创建一个3D卡片画廊：

• 使用CSS 3D变换实现立体卡片
• 添加鼠标跟踪的光照效果
• 实现平滑的视差滚动
• 支持卡片翻转展示详情

以网页编程来直观感受下 Grok 4.1 的前端编程能力，Grok 4.1 完整实现了提示词要求网页，卡片布局有 3D 层次感，翻转交互效果流畅，整体的代码结构是三组当中最完整的。

Ernie 5.0 Thinking合理使用了外部图片来增加视觉效果，整体设计和布局更现代化，只是鼠标跟踪光照特效略显生硬，卡片的旋转效果也比较生硬。

Gemini 3 Pro则表现出其所擅长的：视觉效果偏产品化，鼠标交互逻辑较细致，悬停时卡片有倾斜效果；但出现的问题是缺失了提示词要求的“平滑视差滚动”，在完整度上有所欠缺。

案例 4：编程模拟-小游戏

提示词：

请实现一个基于 <canvas> 的简易「躲避障碍」小游戏，用原生 JS 完成。

玩法：

1. 在 canvas 上绘制一个可控的小方块作为玩家角色，位于底部中间。
2. 使用键盘 ← → 控制玩家左右移动。
3. 从上方不断有障碍物（矩形）下落，速度逐渐加快。
4. 如果玩家与任何障碍物碰撞，游戏结束，显示“Game Over”和分数（存活时间或躲避数量）。
5. 支持“重新开始”按钮。

技术要求：

• 使用 requestAnimationFrame 实现游戏主循环。
• 实现简单的碰撞检测。
• 代码中有清晰的 game loop / 状态管理结构（如 init, update, draw 等函数）。
• 输出可直接运行的 HTML 文件。

Grok 4.1 的输出效果除了在 UI 上还有一定的发挥空间外，完整度是不容置疑的。障碍物生成和速度递增逻辑合理，视觉上有发光的玩家和障碍、UI 面板、居中布局，效果超出一个 demo 形态

与之相比，Ernie 5.0-Thinking 输出的输出看似在视觉效果下足功夫，实际其设计的星空背景板一定程度造成了视觉繁杂和混淆，在可玩度上起了个反作用。障碍物生成也是基于固定帧率，不够灵活。

Gemini 3 Pro 输出的结果核心玩法扎实，代码结构比较干净简约，只是在提示词中未作要求的 UI 与扩展方面，不如前两组效果丰富。

这里我们加入 Grok 4 的输出作为对照组，无论是完整度还是可玩性都更像一个“毛坯房”

可以非常直观地感受到，Grok 4.1 的代码质量已不可与同日而语了

IV. Grok 4.1 实测结论

综上所述，本次多维实测表明，Grok 4.1 已从单纯追求参数与算力的竞争赛道，转向构建人格化体验与真实可用性的新阶段，展现出差异化的竞争路径：

从“会回答”到“懂共情”，Grok 4.1 在人类直觉测试与 EQ-Bench v3 测试中的 SOTA 表现，印证了其战略方向的准确性——“人性化”正成为核心竞争力。相较于前代模型，它不再停留于信息罗列，而是能深入解析情绪背后的心理动因，输出更具共情力与文学美感的文本。这意味着在需要情绪理解与关系洞察的场景中——如日记分析、情感倾诉、文本情绪解读等——Grok 4.1 展现出更接近人类的心理理解力。而在创意写作任务中，如将《水调歌头》改编为科幻设定，它展现出融合古典美学与现代想象的文学功底，其文风更像是有独立风格的创作者，而非仅追求语句通顺的写手。这使其在科幻改编、风格仿写、叙事构建等创意任务中，具备更高的协作价值。

在“温度”之外，基本功依旧扎实。尽管强调情感与人格，Grok 4.1 在编程与逻辑任务中并未掉队。无论是实现具备交互光效的 3D 卡片画廊，还是构建机制完整的小游戏，其代码的完整性、逻辑严谨度与实现效果均较前代大幅提升，甚至可与以稳健著称的 Gemini 3 Pro 媲美。相较于 Grok 4 毛坯房式的简陋输出，4.1 版本已能生成具备 UI 设计感与良好交互体验的页面，显示出其在理解用户隐性需求方面的进步。在数学、逻辑等综合测评中，其表现同样稳健，证明其技术底座扎实，综合实力已跻身第一阵营。

可用性提升，可信度增强。官方公布的幻觉率从 12% 降至 4%，进一步支撑了模型在实际场景中的可靠性。这使得 Grok 4.1 的整体形象兼具“体验感”与“实用性”，成为一个既易相处又可信赖的协作者。其核心优势可概括为以下几点：

• 情感智能突出，擅长共情、情绪分析与人类直觉类任务；
• 创意写作能力优异，尤其在科幻、叙事与风格化文本方面表现亮眼；
• 编程与逻辑任务交付质量高，功能完整且具备良好可扩展性；
• 支持“推理+非推理”双模式，适应多元任务类型，泛用性强。

Grok 4.1 的升级是一次成功的差异化突围。它不仅在技术指标上实现追赶，更通过强化模型的创造力、情感理解与交互温度，提供了更具黏性与共鸣的体验。当行业巨头仍聚焦于规模与推理能力的军备竞赛，xAI 已 xz率先将目光投向下一个前沿——人机交互中的“温度”。Grok 4.1 证明，一个既有“超强大脑”，也有“有趣灵魂”的模型，或许更能代表大模型的未来形态。

V. 如何在 302.AI 上使用

1. 聊天机器人中使用

步骤指引 ：应用超市→机器人→聊天机器人→立即体验

选择模型：其他模型→grok-4.1→确认→创建

2. 使用模型 API

步骤指引：API超市→语言大模型→Grok→grok-4-1-fast-reasoning/grok-4-1-fast-non-reasoning

点击【立即体验】在线调用 API

想即刻体验 Grok 4.1 模型？

👉立即注册免费试用302.AI，开启你的AI之旅！👈

为什么选择302.AI？

● 灵活付费：无需月费，按需付费，成本可控

● 丰富功能：从文字、图片到视频，应有尽有，满足多种场景需求

● 开源生态：支持开发者深度定制，打造专属AI应用

● 易用性：界面友好，操作简单，快速上手