马斯克在社交平台展示新版模型能力，用户可上传本地文件或链接分析画面细节、提取台词并判定内容真伪，该功能标志着系统从音频摘要向全维度视觉理解跨越。
当地时间8月2日，埃隆·马斯克在社交媒体平台展示其旗下xAI公司研发的Grok人工智能系统新版本。此次更新的核心在于正式上线视频交互功能，允许用户通过对话窗口直接上传本地视频文件或粘贴外部链接，由模型对视频内容进行深度解析。为验证该能力的实际表现，马斯克发布了一段以已故篮球运动员科比·布莱恩特为主角的63秒AI合成视频作为测试案例。该视频中人物身穿黑色西装，配合洛杉矶夜景背景进行产品推销，包含具体的肢体动作与台词表达。Grok系统接收视频后，首先对画面场景、人物服饰、光影质感及动作细节进行了逐帧描述，随后精准提取了视频中的关键台词内容，包括关于SpaceX智能模型及“伟大源于磨砺”等表述。
在完成基础信息提取后，Grok展现了基于事实推理的鉴别能力。系统结合上下文信息与外部知识库，明确指出科比·布莱恩特已于2020年离世，从而判定该视频为深度伪造（Deepfake）的合成内容，并非真人实拍记录。此外，针对视频生成技术来源，模型进一步分析指出，考虑到63秒的时长远超单次文本生成视频的常规极限，该作品极有可能是通过多段拼接，并采用图像参考、文本提示与唇形同步的混合工作流制作而成，推测可能源自xAI自家的Grok Imagine Video 1.5或Sora 2等工具。据相关测试数据显示，Grok在处理一段长达30分钟的访谈视频时，能够在约36秒内完成分析并生成详细摘要。
此次功能更新标志着Grok在视频理解领域实现了从单纯音频转文字摘要到全维度视觉理解的跨越。新系统不仅支持总结全篇内容、识别画面人物与物体、拆解动作细节，还允许用户针对特定片段进行持续追问。这一能力提升了AI对多媒体内容的处理深度，使其在应对高仿真伪造视频时具备了技术溯源与真伪判定的逻辑推理机制，为内容安全验证及复杂信息提取提供了新的技术手段。