日常聊天交给Grok 4体验舒适，o3模型幻觉太高，看来下次让其事实核查我要更加多一个心眼了。下方展示了这种Agent LLM的对比。F4参加五月天演唱会是7月，o3误以为是6月，而Grok 4在时间方面表述准确。ChatGPT o3的回复给人的感觉就是机械式，这种段落结构式回复在日常聊天中是减分项，看看Grok 4的回复，这才是日常聊天需要的表述。还有一些例子见我的Mastodon账户。
llm hallucination（幻觉）排行版：https://github.com/vectara/hallucination-leaderboard
grok 4幻觉率低于o3。
其实在Grok 3时代就已经能接入X posts了，只是当时我使用较少，基本上就2、3月份用Grok3，4、5、6、7基本上没用Grok 3，我的Super Grok两个月学生优惠就是空闲了2个月，基本没碰，毕竟当时的Gemini、ChatGPT、Claude风头太盛了。
Grok 4 Agent LLM和Grok 3 Thinking相比给人的感觉就是Grok 4 Agent LLM是真的根据用户需求，调用各种工具、反思，循环迭代直至完成任务，愈发觉得思维链太复杂没必要，展示关键的思维摘要，给人感觉就是真人在思考，这样子的Agent产品绝对比带思维链的推理模型强太多了。
