马斯克旗下xAI发布Grok 4.20 诚实度指标刷新行业纪录

2026年3月13日，马斯克旗下人工智能公司xAI正式发布大语言模型Grok 4.20 Beta版本。第三方机构Artificial Analysis评测显示，该模型智力跑分48分，低于GPT-5、Gemini Ultra等头部模型的57分，但在AA Omniscience测试中非幻觉率达78%，创下行业新高，主打“诚实度”的定位走出了不同于头部厂商堆料拼性能的差异化路线。

大模型的“胡说八道”问题，终于有厂商拿出了突破性的解决方案。在多数厂商仍在为跑分高低争论不休的当下，xAI的这次更新直接戳中了B端用户最核心的痛点：不少企业用户此前测试大模型落地时，都曾因为AI编造虚假信息的问题放弃了相关项目。

根据Artificial Analysis的公开测试数据，Grok 4.20的通用智力得分为48，确实和第一梯队的头部模型存在接近20%的差距，但在事实可靠性维度的表现足以让行业震动：AA Omniscience测试中78%的非幻觉率，比此前行业最高的62%提升了16个百分点，相当于每10个问题中只有不到2个会出现事实错误。

更值得关注的是其新增的“知之为知之”拒答机制：当模型判断问题超出自身知识边界、或是没有足够信息给出准确答案时，会直接告知用户“我不知道”，而非强行编造看似合理的虚假内容。xAI团队表示，这一特性是专门为科研、法律、企业办公等对事实准确性要求极高的场景设计的，目前已有多家科研机构和企业提交了内测申请。

Grok 4.20的低幻觉特性并非来自参数规模的提升，而是源于训练目标和技术架构的全面调整。据了解，xAI团队在训练过程中大幅提升了事实校验数据的占比，同时为模型设置了更高的“回答置信阈值”：只有当模型对答案的准确性有超过95%的把握时才会给出回复，否则就会触发拒答机制。