一、引言：一次针对性极强的补课#

Grok-1 发布时最难看的就是数学推理——MATH 23.9%，被 GPT-4 吊起来打。xAI 显然听进去了社区的吐槽，2024 年 3 月 28 日发布的 Grok-1.5 就干了两件事：补推理、拉长上下文。

二、架构：没说的比说的多#

Grok-1.5 的官方博客没有披露任何架构细节——参数量、是否 MoE、层数、数据量，一个字没提。外界只能合理推测：它大概率是 Grok-1 那套 JAX 自研栈的延续（同一套基础设施），MoE 架构应该也保留了（xAI 后来从未离开过稀疏路线）。

可以确认的信息只有两条：

• 上下文从 8192 提升到 128K token（16 倍），长文档处理能力直接跃迁；
• 基础能力全面升级，推理是重点改进方向。

这种”官方三缄其口”的做法后来成了 xAI 的常态——对比 OpenAI 的发布会和 DeepSeek 的论文，xAI 是”基准表格给全、技术细节保密”。好处是省事，坏处是第三方只能靠估算和拆解补全拼图。

三、成绩：数学翻倍，全面进档#

官方博客的基准表格（对比 Grok-1 与 GPT-4）：

• MATH 50.6%（Grok-1 为 23.9%，涨了 26.7 个点）——推理短板被显著修复；
• GSM8K 90%；
• MMLU 81.3%（Grok-1 为 73%）；
• HumanEval 74.1%（Grok-1 为 63.2%）；
• 长上下文能力：官方演示了 128K 上下文下的文档理解。

横向对比：Grok-1.5 的 MMLU 81.3% 已经摸到 GPT-4 的脚后跟（GPT-4 约 86%），数学虽然还落后，但已经不再是”不能看”的水平。对一个发布仅 4 个月的模型家族来说，这个进步速度相当可观——它说明 xAI 的 JAX 自研栈迭代效率不低，补短板不用重写架构。

四、意义：从”玩偶”到”能用”#

Grok-1.5 的意义不在单个分数，而在定位转变：

• 128K 上下文让它第一次能处理”整本书”级别的输入，企业级长文档场景开始可用；
• 数学和代码的进步，让它从”聊天玩具”变成”有生产力的助手”；
• 它也是 Grok 系列第一次明确把”推理”当成训练重心——这个重心此后一路加强，直到 Grok-3 的思维链和 Grok-4 的验证式推理。

还有一层容易被忽略的伏笔：1.5 发布仅两周后（4 月 12 日），xAI 就推出了多模态的 1.5V。这说明 1.5 家族是 xAI 第一次做”同一基座、多能力分支”的尝试——语言推理和多模态并行开发，这种组织方式后来延续了整个 Grok 系列。

收尾：我的一点看法#

Grok-1.5 是那种”没什么戏剧性、但很重要”的迭代。它没有爆点技术，没有惊悚参数，官方连架构都不肯说——但它证明了一件关键的事：xAI 的迭代速度是真的。

从 2023 年 11 月 Grok-1 到 2024 年 3 月 Grok-1.5，四个月，数学翻倍、上下文扩 16 倍、MMLU 追到 GPT-4 边缘。这份迭代效率，靠的是自研栈和 12 人创始团队带出来的工程文化。后来的历史也印证了：Grok-2 在 8 月发布时直接追平 GPT-4o，Grok-3 在 2025 年 2 月登顶推理榜——这条”火箭式迭代”曲线，就是从 1.5 开始变陡的。

短板当然还在：数学 50.6% 放在 2024 年 3 月只能说”及格”，跟 Claude 3、Gemini 1.5 比仍有差距；且官方对架构保密，导致模型的可研究性大打折扣（对比 DeepSeek 每代都发论文，xAI 的”黑盒式发布”是社区长期的槽点）。但作为一个承上启下的版本，它把该补的短板补了，该探的路探了，任务完成得干净。

附：核心数据速查#

基本盘

官方基准（Grok-1 → Grok-1.5）

关键概念清单

• MATH / GSM8K = 数学推理基准
• MMLU = 多任务语言理解基准（知识面）
• HumanEval = 代码生成基准
• 128K 上下文 = 可一次处理约 10 万字输入
• JAX 自研栈 = xAI 从零搭建的训练基础设施