“Grok-5在视频理解上达到了人类水平，能像人类一样分析复杂情节并生成洞见。”埃隆·马斯克5月3日在X平台发帖宣布，xAI最新多模态模型Grok-5训练于10万小时高清视频数据，基准测试中准确率飙升至98.7%，超越OpenAI的GPT-5视频模块5个百分点。该模型已在xAI的Colossus超级计算机上优化，支持实时视频摘要和情感识别，适用于娱乐、安防和自动驾驶领域。马斯克强调，此突破标志着AGI多模态时代开启，xAI正与特斯拉合作集成至Optimus机器人，提升其环境感知能力。业内专家称，此举将加速全球AI内容生成市场扩张，预计2027年规模达5000亿美元。全球科技股闻讯上涨，NVIDIA股价日内涨3.2%。
展望未来，此模型或将颠覆视频监控与媒体产业，推动AI从文本向视觉智能全面跃进。
