Grok大更新 整合視覺分析與超過145種語言對話

記者吳立言／綜合報導

▲xAI發布重大更新，Grok 整合視覺分析與超過145種語言的語音對話。（圖／Grok）

xAI所打造的生成式AI聊天機器人Grok，近期迎來關鍵性更新，進一步強化其在多模態人工智慧領域的競爭力。此次更新不僅首次向用戶開放視覺處理能力，還整合多語言音訊交互及語音模式下的即時搜尋功能，為AI的自然互動體驗開啟新篇章。

更新的重點之一，是Grok的「視覺理解功能」正式上線。早在2024年，xAI即曾披露Grok-1.5V具備處理圖像、圖表與文檔的潛力，惟該版本始終未公開釋出。如今，Grok不僅能解析圖片中的物體與文字資訊，更能解讀複雜圖表甚至轉譯為可執行的程式碼，顯著提升其在知識密集型任務中的應用價值。配合Grok具備的即時資料抓取能力，其在新聞分析、社群內容判讀等場景中尤具優勢。

Introducing Grok Vision, multilingual audio, and realtime search in Voice Mode. Available now.

Grok habla español
Grok parle français
Grok Türkçe konuşuyor
グロクは日本語を話す
ग्रोक हिंदी बोलता है pic.twitter.com/lcaSyty2n5

— Ebby Amir (@ebbyamir) April 22, 2025

語音互動方面，Grok融合全新「VoiceWave」擴充模組，支援超過145種語言的即時語音處理。該功能不僅具備語音轉文字與語音回放，還提供同步文字高亮顯示，實現自然語調、可調語速的個性化語音互動，適用於跨語言客服、國際化內容製作及語言學習等多種情境。

此外，Grok在語音模式下導入即時搜尋功能DeepSearch，可透過語音指令實時抓取來自網路與X平台的最新內容。其特點是能在回應時「同時引用資訊來源」，並呈現邏輯推理過程，使使用者得以掌握回答的可信依據。

這一系列創新功能，得益於xAI在運算與訓練基礎設施上的長期佈局。Grok3模型訓練依託配備20萬顆NVIDIA H100 GPU的Colossus超級電腦，整體效能較前一代提升十倍。搭配大規模強化學習技術，Grok不僅強化了推理與錯誤修正能力，也在多項標準測試中超越目前市場主流模型。

xAI此次更新不僅代表Grok自身邁向多模態通用智能的重要一步，更意味著生成式AI正快速朝向更即時、更智慧且更人性化的互動模式演進。