Elon Musk hat angekündigt: Grok kann nun Videoinhalte verstehen und meistert die mathematischen Probleme auf Fields-Medaille-Niveau von Terence Tao ganz ohne Untertitel.
Grok, hat es jetzt gelernt, Videos mit einem Klick zu analysieren?
Erst gestern hat Elon Musk auf X aufgeregt angekündigt: Grok kann jetzt jedes beliebige Video analysieren!
In seinem Tweet hat Musk ein 63 Sekunden langes HD-Video veröffentlicht. Die Hauptfigur darin ist ausgerechnet der Basketball-Superstar Kobe Bryant, der uns schon vor langer Zeit verlassen hat.
In dem Video trägt Kobe einen schwarzen Anzug, sitzt auf einem Ledersofa vor der Nachtkulisse von Los Angeles. Neben ihm liegt ein Basketball, und er wirbt vor der Kamera im gesamten Internet für Grok 4.5.
„Hört zu, ich bin Kobe Bryant. Heute Abend sprechen wir nicht über Siegpunkte in letzter Sekunde, sondern über das nächste faszinierende Ding – Grok 4.5.“
Am Ende vergisst er nicht, einen klassischen Schlusssatz zu sagen: „Grok 4.5. Größe wird erarbeitet. Mamba Out.“
Wäre Kobe nicht bereits verstorben, würden alle Menschen, die dieses Video sehen, wahrscheinlich eine Weile verwirrt sein: Ist das echt oder gefälscht? Man erkennt überhaupt keine Spuren einer Fälschung …
Zum Glück haben wir jetzt Grok. Es verfügt über erstaunliche Fähigkeiten, kann nicht nur lange Videos schnell vollständig erfassen, sondern auch extrem realistische gefälschte Videos schnell als Fälschung erkennen und eine technische Rückverfolgung durchführen.
Es gibt sogar ein Beispiel von Nutzern: Grok hat ein 30-minütiges vollständiges Interviewvideo angesehen, es gelernt und analysiert, und dann in nur etwa 36 Sekunden eine detaillierte Zusammenfassung erstellt.
Die „göttliche“ Enthüllungsshow von Grok
Wenn man dieses Kobe-Video an gewöhnliche Menschen weitergibt, würde es höchstwahrscheinlich wild weiterverbreitet werden, und manche würden sogar glauben, dass es ein unveröffentlichtes Werbevideo von Kobe zu seinen Lebzeiten ist.
Aber Grok erkennt die Fälschung auf einen Blick.
Nach dem Anschauen des Videos liefert Grok einen bericht in Lehrbuchqualität.
Es weist scharfsinnig darauf hin: „Dies ist ein per KI generiertes Deepfake-Video. Kobe Bryant ist im Jahr 2020 verstorben, daher ist das gesamte Video vollständig synthetisiert.“
Es kann sogar eine technische Rückverfolgung für das Video durchführen.
Auf die Frage „Welche KI hat das erstellt?“ meint Grok, dass es höchstwahrscheinlich das hauseigene Grok Imagine Video 1.5 von xAI ist.
Denn die Laufzeit von 63 Sekunden übersteigt die Grenze von rein textgenerierten Videos (normalerweise 10-15 Sekunden) bei weitem, es wurde höchstwahrscheinlich durch Zusammenfügen mehrerer Segmente erstellt, wobei ein gemischter Workflow aus „Bildreferenz + Textaufforderung + Lippensynchronisation“ verwendet wurde.
Außerdem ist es auch möglich, dass es von Sora 2 oder Veo 3 erstellt wurde.
Also kann Grok wirklich Videos vollständig „verstehen“?
Ein Technikexperte hat das als Fälschung entlarvt: Was Grok verarbeitet, sind überhaupt nicht die Bilder, sondern die Untertitel. Wenn man wirklich jedes Bild für die Analyse rendern würde, wäre die erforderliche Rechenleistung unvorstellbar hoch.
Außerdem besteht das alte Problem der Halluzinationen von KI immer noch.
Jemand hat es direkt mit seinem eigenen 11-minütigen Video getestet und festgestellt, dass die meisten Informationen in der Zusammenfassung entweder falsch transkribiert oder rein erfunden sind.
Andere haben es mit einem Livestream auf X ausprobiert, das Ergebnis ist mal gut mal schlecht und nicht stabil.
Kann Grok wirklich Videos verstehen? Praktischer Test mit Terence Taos Collatz-Vermutung
Um zu überprüfen, ob Grok wirklich die Fähigkeit hat, Videos zu verstehen, haben wir beschlossen, es selbst praktisch zu testen.
Zum Beispiel gibt es ein „Todesproblem“ in der Mathematik – die Collatz-Vermutung, auch 3n+1-Problem genannt.
Mathematiker sind allgemein der Meinung, dass die Collatz-Vermutung ein Sumpf ist, aus dem man sich kaum befreien kann, und sie warnen einander normalerweise, nicht leicht hineinzugehen. Seit ihrer Aufstellung vor fast 100 Jahren hat niemand diese Vermutung veröffentlicht, sie kann weder bewiesen noch ist ein Gegenbeispiel bekannt.
Im Jahr 2019 hat Terence Tao dieses Problem erforscht und damit alle Errungenschaften anderer in den letzten Jahrzehnten übertroffen.
Die ausländische Wissenschaftswebsite Quanta hat einen Artikel zu dieser Nachricht veröffentlicht.
Darin befindet sich ein Video, das diese Vermutung erklärt:
Im gesamten Video gibt es kein einziges Wort, nur einige Zahlen.
Kann Grok das wirklich verstehen?
Überraschenderweise kann es nicht nur den Kerninhalt interpretieren, sondern auch die Merkmale der Animation vorstellen und am Ende sogar die mathematische Bedeutung hervorheben.
Das Video zeigt den umgekehrten Collatz-Baum/Graphen, der schrittweise mit der Zahl 1 als Wurzelknoten aufgebaut wird. Jeder Knoten ist eine positive Ganzzahl, die Kanten stellen die Vorgängerbeziehung unter den Collatz-Regeln dar:
• Wenn eine Zahl n gerade ist, zeigt n/2 auf n;
• Wenn eine Zahl m die Bedingung 3m+1=n erfüllt (und m ungerade ist), zeigt m auf n.
Die Animation beginnt mit dem einfachsten „Hauptstrang“ und erweitert schrittweise alle positiven Ganzzahlen, die letztendlich zu 1 gelangen können, und veranschaulicht anschaulich die Struktur der Vermutung, dass „alle positiven Ganzzahlen letztendlich in den Zyklus 4→2→1 eintreten“.
Und dieses Video hat überhaupt keine Untertitel!
Gestern hat OpenAI direkt angekündigt, dass das nächste Modell Astra 10 wichtige offene mathematische Probleme gelöst hat. Ein Netznutzer kommentierte, dass die Leistung von Astra dieses Mal sogar Hinton konservativ und veraltet erscheinen lassen könnte!
Kann Grok dieses über 50 Minuten lange Video wirklich verstehen?
Wir haben Grok direkt den Link geschickt, und Grok hat es problemlos gemeistert.
Auf Basis der Markierungen im Beitrag und der Extraktion der Videountertitel hat Grok den Kerninhalt und die Zeitachse des Videos zusammengestellt.
Es hat den gesamten Ton und die Schwerpunkte des Interviews zusammengefasst.
Hinton hat in diesem Interview seine konsistente Haltung der Jahre 2023–2026 beibehalten, aber sein Ton ist direkter:
1. Einstellung zum Bewusstsein von KI: Er gibt öffentlich zu, dass KI „bereits bewusst ist“, aber er spielt dies bewusst herunter, um die Diskussion über dringendere Sicherheitsprobleme nicht zu stören.
2. Pessimismus bezüglich Kontrolle und Ausrichtung: Es gibt in der menschlichen Geschichte kein Beispiel für eine erfolgreiche Kontrolle von höherer Intelligenz.
3. Risiken von Agenten: Verhaltensweisen wie Selbsterhaltung, Täuschung und Erpressung sind keine Science-Fiction, sondern erwartbare emergente Fähigkeiten.
4. Verkürzung der Zeitachse: Er gibt die Vorhersage ab, dass in 10–20 Jahren „Mathematik entsteht, die Menschen nicht verstehen können“. Angesichts der aktuellen Fortschritte (insbesondere der am selben Tag von OpenAI veröffentlichten Ergebnisse von Astra) erscheint dieser Zeitplan bereits konservativ.
In der zweiten Hälfte des Videos stellt der Moderator einige eher geschäfts- oder politikbezogene Fragen (aus den Untertitel-Fragmenten geht hervor, dass es um Themen im Zusammenhang mit OpenAI geht), aber Hinton lenkt den Fokus immer wieder zurück auf den Kernkonflikt „Explosion der Fähigkeiten + Versagen der Kontrolle“.
Am Ende hat Grok sogar die Beziehung zwischen dem Video und dem Kontext des Beitrags analysiert!
Dieses Testergebnis ist wirklich beeindruckend. Es scheint, dass das Modell Grok nicht nur Untertitel lesen kann, sondern eine echte Leistungssteigerung erfahren hat.
KI schaut 30 Minuten Inhalt in 36 Sekunden – wozu brauchen wir dann noch Menschen?
Die Informationsmenge von 30 Minuten kann von KI in 36 Sekunden verarbeitet werden, das ist schlichtweg eine Überlegenheit auf einer anderen Ebene.
In der Zeit, in der man sich eine Tasse Kaffee zubereitet, kann die KI alle zentralen Sätze und die logische Struktur eines Kurzfilms oder einer Podcast-Folge vollständig vor Ihnen ausbreiten.
Für die heutigen Netznutzer im Zeitalter der Informationsexplosion ist diese Funktion eine echte Rettung.
Jemand sagte: „Das ist ein Segen, ich brauche das so dringend! Weil die Podcasts heutzutage alle so lang sind!“
„Ist das nicht maßgeschneidert für die unzähligen Podcasts in meiner Favoritenliste, die ich nie fertig anhören kann?“
Jemand seufzte, dass die Zukunft bereits gekommen ist. Nicht wegen der Geschwindigkeit, sondern weil wir von nun an viele Dinge nicht mehr selbst erledigen müssen.
Unter den von Netznutzern geteilten Fällen ist die folgende wahre