36秒总结30分钟：Grok重构信息时代，人类该何去何从？

马斯克旗下的xAI推出的Grok 4.5近期迎来重磅更新，这款AI助手现在可以直接分析各类视频内容，这一功能立刻引发了广泛讨论。

就在不久前，马斯克在社交平台上分享了一段长达63秒的高清视频，视频中已故篮球巨星科比·布莱恩特身穿黑色西装，坐在洛杉矶夜景前的真皮沙发上，手边放着篮球，向全网推销Grok 4.5，甚至用上了经典的曼巴精神收尾语：“Grok 4.5。伟大是挣来的。曼巴Out。” 这段视频逼真到几乎看不出伪造痕迹，如果不是科比早已在2020年离世，大概率会被不少人当成未公开的商业代言内容。

而Grok则轻松识破了这段视频的真面目，它不仅精准指出这是AI生成的Deepfake内容，还对视频的制作来源进行了技术溯源。当被问及制作工具时，Grok推测大概率是xAI自家的Grok Imagine Video 1.5，毕竟63秒的时长远超普通文本生成视频10-15秒的上限，很可能采用了多段拼接、图像参考+文本提示+唇形同步的混合工作流，同时也不排除是Sora 2或Veo 3制作的可能。

真实能力的争议与局限

不过也有技术领域的专业人士指出，Grok的视频分析能力可能并没有看上去那么“神”——它实际上主要依赖视频的字幕信息进行处理，而非逐帧渲染分析，毕竟逐帧分析需要极其庞大的算力成本。同时，AI固有的幻觉问题也依然存在，有测试者发现，用11分钟的视频测试Grok，生成的摘要大多存在转录错误甚至完全编造的内容，用X直播测试时效果也并不稳定，时好时坏。

硬核实测：从数学猜想到AI访谈

为了验证Grok的视频理解能力，有人进行了针对性测试。比如数学界著名的科拉茨猜想（又称3n+1问题），这个提出近百年的难题至今既无法被证明也没有反例，数学家陶哲轩在2019年的研究曾取得突破性进展。当时有一段科普视频专门讲解这个猜想，视频全程没有任何字幕，只有数字动画，展示以1为根节点的Collatz逆向树，通过动画演示所有正整数最终都会进入4→2→1的循环结构。而Grok不仅成功解读了这段无字幕视频的核心内容，还清晰解释了动画的呈现逻辑和背后的数学意义。

还有人将相关视频链接发给Grok，其中包括深度学习先驱辛顿的访谈内容，Grok基于内容标注和视频字幕提取，整理出了访谈的核心内容与时间线，归纳了辛顿的核心观点：包括对AI意识的态度、对智能控制与对齐的悲观看法、自主智能体的风险，以及对AI能力发展时间线的预测，甚至结合当天OpenAI发布的Astra模型成果，指出辛顿此前10-20年的预测已经显得保守。同时Grok还分析了视频与上下文的关联，这次实测也证明Grok的视频处理能力确实有了实质性提升，并非单纯依赖字幕。

降维打击下的信息效率革命

30分钟的视频内容，Grok只需要约36秒就能生成详细摘要，这种效率堪称降维打击。对于当下信息爆炸的互联网用户来说，这个功能无疑是救星，可以快速提取微电影、播客等长内容的核心金句和逻辑脉络，不少网友表示这个功能正好解决了收藏夹里积压的长内容听不完的问题。

还有真实案例显示，有人的祖母髋部骨折后，通过Grok分析公开演讲内容，精准定位到了有用信息和对应的时间戳，帮他从海量内容中找到了需要的关键信息。

被外包的大脑与人类的未来

不过这项功能也引发了关于人类认知能力的深层思考。有学者发出警告，过度依赖AI处理信息会让人类逐渐丧失深度阅读、持续专注、批判性思考、写作和言语推理等能力，这些能力就像肌肉一样会用进废退。当我们把大脑本该完成的工作全部外包，就会失去在冗长内容中捕捉细微情绪、在复杂逻辑中抽丝剥茧的耐心。