马斯克实测Grok视频解析力：一眼识破科比AI合成影像

【区角快讯】多模态大模型的竞争焦点，正从单纯的图文理解向复杂的视频语义拆解转移。当地时间8月2日，埃隆·马斯克在社交平台X上亲自下场，为其旗下人工智能平台Grok的新版本造势。为了直观演示模型新增的视频解析能力，他特意上传了一段已故篮球传奇科比·布莱恩特的AI合成视频作为“压力测试”案例。

透过马斯克公开的交互日志，我们可以清晰看到Grok的处理逻辑。模型首先对视频画面进行了细颗粒度的场景解构：它识别出科比身着黑色西装，以标志性的“曼巴精神”姿态发表独白，动作涵盖指点、手势、微笑及身体前倾靠近镜头等细节。同时，Grok还敏锐地捕捉到灯光营造出的电影质感，并指出整体风格巧妙融合了耐克式广告美学与科技产品发布会的调性。

在完成视觉层面的深度解读后，模型进一步精准提取了视频中的核心台词，包括“SpaceX迄今为止打造的最强智能模型”、“Grok 4.5，伟大源于磨砺，曼巴，退场”等关键语句。基于上述视听信息的综合研判，Grok最终给出结论：这段影像属于深度伪造（Deepfake）内容。鉴于科比已于2020年离世，视频中的人物画面均由AI生成，绝非真人实拍录制。

这一演示背后，是Grok近期正式上线的视频交互功能带来的体验跃迁。如今，用户可像上传图片一样，直接在对话窗口上传本地视频文件或粘贴链接，进而下达总结全篇、识别物体、拆解动作或持续追问等指令。相较于以往仅依赖音频转文字生成摘要的传统模式，新版Grok实现了跨越式升级，能够联动连续帧画面、音频信息与上下文逻辑，从而全方位深度理解整条视频内容。这种对动态视觉信息的深层掌控力，或许正是下一代AI助手的核心壁垒所在。