在聊天界面中可尝试的七个 Grok 4 示例

您可以直接在聊天界面中预览这段 HTML 动画。效果非常不错，和我用 Gemini Diffusion 构建的模拟不相上下。

示例 2：复杂网络的数据可视化

接下来，我尝试使用 NetworkX 库可视化一个复杂网络，并在浏览器中直接运行 Grok 生成的 Python 脚本。

提示词： 在 Python 中使用 NetworkX 生成并绘制一个包含 100 个节点的随机无标度网络，将枢纽节点以红色高亮以增强视觉效果。

以上提示词生成了如下代码：

import networkx as nx
import matplotlib.pyplot as plt

# Generate a random scale-free network using Barabási-Albert model
# n=100 nodes, m=2 (number of edges to attach from a new node to existing nodes)
G = nx.barabasi_albert_graph(100, 2)

# Calculate degrees to identify hubs
degrees = dict(G.degree())

# Sort nodes by degree in descending order
sorted_nodes = sorted(degrees, key=degrees.get, reverse=True)

# Define hubs as the top 10% nodes with the highest degree
num_hubs = int(0.1 * len(G.nodes()))
hubs = set(sorted_nodes[:num_hubs])

# Assign colors: red for hubs, blue for others
node_colors = ['red' if node in hubs else 'blue' for node in G.nodes()]

# Plot the network
plt.figure(figsize=(12, 8))
pos = nx.spring_layout(G, seed=42)  # For reproducible layout
nx.draw(G, pos, node_color=node_colors, with_labels=False, node_size=50, edge_color='gray', alpha=0.7)
plt.title('Scale-Free Network with 100 Nodes (Hubs in Red)')
plt.axis('off')
plt.show()技术支持

您可以像在 ChatGPT 中那样直接在浏览器里运行这段代码。运行后会返回一张网络图，其中重要枢纽以红点标示。因此，Grok4 在可视化任务上也有相当不错的表现。

示例 3：总结实时社交媒体数据

直播中展示的另一个有趣能力是，让 Grok 返回 X 员工有趣的个人头像。受此启发，我尝试测试 Grok 的网页搜索能力和实时社交媒体技能。

提示词： 找出三条关于近期重大大型语言模型（LLM）发布的点赞最多的 X（原 Twitter）帖子。针对每条帖子，提供以下信息：帖子的全文、发布时间，以及其所提到的具体 LLM 动态（如模型名称、新能力、基准分数）。请以清晰简洁的格式呈现。

看起来科技圈对 Claude 4、Anthropic 的 Project Vend以及印度的 Sarvam 平台都颇为青睐。

示例 4：实时对话模拟

我们都在使用聊天机器人，但我们希望的是更具会话性的体验，比如一对一聊天或语音对话。基于这一想法，我尝试进行一项实验，模拟 Grok 4 与用户之间的对话。

提示词： 模拟一段自然、实时的对话：用户随口向 Grok 4 询问在家办公如何保持动力。Grok 4 需表现出同理心，认可诸如孤独感或拖延等常见困扰，并给出几条切实可行的建议。随着对话推进，用户开玩笑地请 Grok 4 写一小段励志说唱或广告歌。Grok 4 随后以会话口吻给出押韵、有趣的回复。整个互动应在屏幕上实时转录，并通过细微动画指示 Grok 4 的“倾听”“思考”“回答”状态。

虽然我更希望有语音配音的对话，但这一模拟简单却有效地还原了真实对话。

示例 5：音频模拟

尽管 Grok 3 也支持通过 Python 生成音频，但借助聊天内模拟，Grok 4 更进了一步。两代模型都依赖 Web Audio API 或 Python 库来生成音频，但它们与 Grok 4 最新的模拟能力无缝集成。

提示词： 生成一段“云开暴雨”声效

示例 6：草图生成故事

受 Google Gemini 将草图转换为图像的能力启发，我尝试基于一张随机草图创作一个故事，并将该草图转换为图像。

此功能在 Grok 3 和 Grok 4 中均可用。不过，Grok 4 生成的故事在细腻度与深度上明显更胜一筹，更具吸引力。

提示词： 围绕这张草图构建一个故事：

在该实验的视觉部分，我随后提示 Grok 4 将草图直接转换为图像，并得到了以下结果：

提示词： 将这张草图转换为图像

值得注意的是，Grok 为每张 AI 生成的图像都嵌入了水印，以提升可追溯性与透明度。不过，就从草图生成图像的纯画质而言，我观察到 Grok 3 与 Grok 4 之间差异不大。

示例 7：图表分析

Grok 团队强调了 Grok 4 在图表分析方面的潜力，尤其是其实时能力。为验证这一点，我提供了一个提示，要求其分析趋势图，并结合最新信息补充说明哪些公司在积极投资 AI。

提示词： 分析这张图表，并查找更多关于积极投资 AI 的公司的相关信息

来源： Adaptive AI Market

Grok 4 高效处理了该任务，提供了全面的图表分析。

为何 Grok 4 很重要？

Grok 4 带来的“惊艳感”与 Gemini Diffusion 相似：它可以从自然语言提示中生成实时预览、执行 Python 脚本、创建动态 HTML 模拟。不过，Grok 4 更侧重实时推理、社交感知与数据驱动的决策。

它是一个非常擅长处理并响应真实世界输入的模型，无论是来自网页抓取的数据，还是 X（原 Twitter）上的热门帖子。Grok 4 能够进行推理、预测，并根据上下文进行创造性且常常是视觉上引人入胜的呈现。

需要指出的是，它当前的优势主要集中在特定领域：科学模拟、社交数据搜索、生成式编程以及企业看板洞察。尽管它的上下文窗口为 256,000 个 token，显著小于Gemini 2.5 Pro 的 100 万，但它依然有力地展示了后续版本的潜力。

如果您是希望快速做原型的开发者，Grok 4 非常值得推荐。但对于生产级应用，其推理能力若能在未来版本中配合更大的上下文窗口，将会受益匪浅——更多内容可参阅这篇关于上下文工程的博文。

结语

Grok 4 将快速、结构化的推理与模拟、视觉叙事、音频生成和交互式编码支持相结合，且全部可通过自然语言提示完成。

在本教程中，我们探讨了 Grok 4 如何渲染基于物理的动画、可视化复杂网络、模拟对话，甚至解决博导级别的化学问题。其对工具使用、结构化输出与实时网页数据的支持，使之成为开发者、研究人员与创意专业人士的潜力助手。

如欲进一步了解 Grok 4，推荐阅读以下两篇文章：

• Grok 4：测试、功能、基准、访问与更多
• Grok 4 API：循序渐进的实例指南