埃隆·马斯克的AI公司xAI发布了其AI助手Grok的重大更新。最新版本中加入了视觉功能，使Grok不仅能够处理文本，还能够分析和理解图像内容。Grok此前已能够利用Black Forest Labs的Flux模型生成图像，但一直缺少图像分析（即AI视觉）功能。
视觉功能带来的新用途
通过这项新功能，Grok现在可以分析X平台上与帖子链接的图像，解读文件、图表、照片等视觉内容，甚至能够理解图像中的空间关系，从而更好地描述内容。比如，用户可以通过一张食材照片获得菜谱建议，识别照片中的地标位置，甚至解释图表的结果。这一功能在新闻内容丰富的平台上特别实用。
Grok的视觉功能如何运作
X平台上的图片帖子会出现一个新按钮。点击后，图片将被发送到Grok，用户可以就图片内容提出问题或请求分析。该功能还可以用于帮助视障用户描述图像。虽然xAI尚未发布官方基准测试数据，但据称Grok的视觉能力足以与OpenAI、Google和Anthropic等知名模型抗衡。为此，xAI引入了一个新的评估标准——RealWorldQA，用于测试模型对物理世界图像的理解和推理能力。
这一消息在AI社区和用户中引发了不同反响，有人对Grok的快速进展感到兴奋，也有人对此保持谨慎，质疑其与现有AI模型的竞争力。
Grok的未来展望
埃隆·马斯克旗下的xAI拥有一个由20万GPU组成的数据中心，专门用于训练Grok的未来版本。因此，Grok未来可能会有重大发展。尤其在视觉功能方面，Grok可能会逐步应用于机器人。马斯克拥有特斯拉，该公司本身也有自己的机器人部门。此外，未来Grok还可能具备视频和语音分析功能，这些特性在Gemini和ChatGPT等现有模型中已得到实现。
虽然此次更新对Grok来说是一个显著进步，但与更成熟的Gemini或ChatGPT相比，Grok仍在发展中。随着AI技术的迅速发展，未来几个月我们将继续关注其功能提升以及相关的伦理考量。