主要AI服务商对比一览

下表直接对比了十家最知名的AI服务商。百分比数值有意保持简单，反映的是基于四项标准的直观评估：不具备专业知识的人使用起来有多容易？从德国用户的角度看，数据保护做得如何？性价比如何？功能范围（文本、图像、语音、视频等）有多全面？

这些数值是简化的编辑评估，仅供大致参考——不是科学测量结果，也不构成法律建议。若涉及敏感数据的商业用途，请始终查阅相应的服务商文章以及最新的合同条款。

四项标准分别代表什么

易用性

没有技术背景的人能多快上手？大多数主流服务商在这一点上表现相似，因为基本原理——输入问题、获得答案——差别不大。

数据保护/GDPR合规性

这项指标的差异最为明显。关键在于企业的注册地和服务器所在地：像Mistral AI这样总部位于欧盟的服务商，不需要依赖国际补充协议；而美国服务商则依赖《欧盟-美国数据隐私框架》或标准合同条款。对于服务器位于欧盟和美国以外地区（例如中国）的服务商，在处理个人信息或商业敏感数据时应格外谨慎。

性价比

花的钱能换来多少功能？像Meta AI或DeepSeek这类免费或非常便宜的产品，在这一项上自然表现出色，即便它们在其他方面需要做出取舍。

功能范围

产品的覆盖面有多广——仅是纯文本回答，还是同时支持图像、语音、视频，以及独立完成多步骤任务的能力？

十大服务商简明概览

OpenAI——ChatGPT

人工智能领域最知名的名字。ChatGPT在同一款产品中覆盖文本、图像、语音和视频，OpenAI也在不断快速迭代更新。关于价格和数据保护的所有细节，请参见OpenAI服务商文章，各个具体模型版本则在ChatGPT模型页面中讲解。

Anthropic——Claude

Anthropic由多位前OpenAI员工创立，格外注重安全性。Claude在处理长文本和文档方面被认为格外可靠。更多内容请参见Anthropic服务商文章以及Claude模型页面。

Google——Gemini

Gemini深度融入Gmail、Google文档和搜索之中，对于本就活跃在Google生态系统里的用户来说尤为方便。详情请参见Google服务商文章以及Gemini模型页面。

Microsoft——Copilot

Copilot直接内置于Windows、Word、Excel、Outlook和Teams之中，因此在传统办公场景中表现尤为出色。更多内容请参见Microsoft服务商文章以及Copilot模型页面。

xAI——Grok

Grok与X平台紧密结合，因此在处理时事热点话题方面格外及时。详情请参见xAI服务商文章以及Grok模型页面。

Meta——Meta AI与Llama

Meta AI免费直接内置于WhatsApp、Instagram和Facebook中，依靠广告而非订阅盈利。其底层技术Llama还可以自行部署运行。更多内容请参见Meta服务商文章以及Llama模型页面。

DeepSeek

这家中国服务商以极具竞争力的价格和在逻辑推理、编程任务上的强劲表现见长，但由于服务器位于中国，受到德国数据保护机构的严格审查。包含所有模型（V3、R1、V4）的详细信息请参见DeepSeek文章。

Mistral AI

这家法国企业是欧洲对美国和中国AI巨头最重要的本土回应，尤其在数据保护方面表现突出，因为用户可以选择在欧盟境内的服务器。包含所有模型（Large、Medium、Small）的详细信息请参见Mistral AI文章。

Perplexity AI

Perplexity的运作方式更像一台”答案机器”，而不是传统聊天机器人：每一条陈述都会附上信息来源。详情请参见Perplexity服务商文章以及Perplexity模型页面。

Moonshot AI——Kimi

Kimi是中国企业Moonshot AI推出的聊天机器人，凭借开放可用的Kimi K2模型在国际上广为人知，该模型在编程和智能体任务方面表现尤为突出。与DeepSeek类似的是：在标准使用模式下，数据会存储在中国的服务器上。详情请参见Kimi服务商文章以及Kimi模型页面。

哪种服务商适合哪类需求？

关于AI模型的常见问题

AI服务商和AI模型有什么区别？

服务商是指企业本身，例如OpenAI或Google。模型则是背后真正的技术，可以应用在一个或多个产品之中——以OpenAI为例，产品名称是ChatGPT，而底层模型则有自己的名字，比如GPT-5.6。

哪种AI最好？

这个问题没有统一答案。根据任务类型、预算和数据保护要求的不同，各服务商的表现也各有优劣——上方的对比表格可作为初步参考，各篇详细文章则提供更多细节。

这些AI服务商在德国都是合法使用的吗？

基本上是的，上述服务商都不存在全面禁令。但对于服务器位于欧盟以外的个别服务商，在处理个人信息或商业敏感数据时应格外谨慎——具体细节请参见各自的服务商文章。

要获得好的效果，是否必须付费？

不一定。多家服务商都提供实用的免费版本，例如Meta AI、DeepSeek、Kimi，以及ChatGPT、Gemini和Copilot的基础版本。如果需要经常使用或有更高要求，通常值得选择一款价格适中的入门订阅。

这与Lukinski有什么关系？

作为一家房地产企业，我们自身也在深入研究人工智能——例如Lukinski AI，我们自主研发、在德国本地托管的房地产问题AI助手。本专题额外梳理了市场上主流的通用AI服务商，帮助您在了解我们自身产品之外，也能做出明智的选择。

从研究模型到重量级选手：Kimi K2系列

Kimi K2：技术基础

最初的Kimi K2版本于2025年7月发布，并在一份技术报告（《Kimi K2: Open Agentic Intelligence》）中做了详细介绍。从技术上讲，这是一种所谓的混合专家模型（Mixture-of-Experts，MoE）：模型并非由单一持续激活的神经网络构成，而是由许多专门化的子网络（“专家”）组成，每次请求只会实际激活其中一小部分。据Moonshot AI介绍，Kimi K2总参数量约达一万亿，而每次单独请求实际使用的活跃参数约为320亿。该模型共分布在384个专家网络中，每个文本片段会精准挑选其中8个，并辅以一个始终处于激活状态的“共享”专家。

这种架构解释了为何Kimi K2尽管总体规模庞大，却能以相对经济的方式运行：并非每次请求都要计算全部一万亿参数，而只需计算其中被选中的一小部分。据Moonshot AI介绍，该模型采用了专门开发的优化方法（MuonClip）进行训练，旨在提升如此大规模MoE模型的训练稳定性。最初的基础版本提供12.8万Token的上下文窗口，同期发布的Instruct版本（用于对话与指令场景）则将其扩展至25.6万Token。

Kimi K2 Thinking：思考与行动融为一体的模型

2025年秋季，据2025年11月多方一致的报道，Moonshot AI推出了名为“Kimi K2 Thinking”的版本，该版本在给出正式回答之前，会加入更为详尽的多步骤思考过程，并且能在思考过程中调用工具（例如网络搜索或计算器）。根据现有的基准测试数据，该模型在知名编程测试“SWE-Bench Verified”上取得约71%的成绩，并能在测试场景中自主连续完成数百次工具调用，以解决复杂且耗时的任务。由此，Moonshot AI有意将自身定位于所谓的“智能体模型”领域——这类模型不仅能回答问题，还能自主规划并执行多步骤任务。

2026年的迭代升级：K2.5、K2.6与K3

2026年内，Moonshot AI又发布了多个升级版本。根据多方基本一致但细节略有差异的消息来源，K2.5随后发布，2026年4月发布的K2.6将上下文窗口扩展至25.6万Token并改进了编程能力，随后又推出了专攻编程任务的K2.7 Code版本。2026年7月，Moonshot AI最终推出了Kimi K3，据厂商介绍，该版本上下文窗口大幅扩展至约100万Token，并具备原生图像处理（视觉）能力——据Moonshot AI介绍，这一上下文窗口是K2.6的四倍。关于K3的具体参数规模，各方消息来源存在差异（部分报道称总参数量约在两万亿至三万亿之间）；目前尚无法完全确认一个统一且最终的官方数字，因此本文有意采用大致规模范围，而非确切数值来表述。

Kimi系列模型在技术与战略上有何特别之处？

附带商业条件的开放权重

Moonshot AI以自行制定的修改版MIT许可证发布K2及后续版本的模型权重。从本质上讲，这是一种非常宽松的开源许可证，也允许商业使用。但有一个特殊之处：如果基于该模型开发的产品或服务月活跃用户超过1亿，或月营收超过2000万美元，则必须在自身界面中显著标注“Kimi K2”字样。对于绝大多数中小型应用场景——包括房地产行业的应用——这一条款在实际操作中几乎不会触发，但这也说明Kimi所谓的“开放”并非完全没有附加条件。

智能体能力与超大上下文窗口

Kimi系列模型的战略重点显然放在所谓的智能体能力上：即能够借助工具使用、网络访问和代码执行，自主完成多步骤任务，而不仅仅是回答单个问题。结合极大的上下文窗口——K3约达一百万Token——这使得一次性处理体量庞大的文档集合成为可能，例如数百页的合同文件，或较大规模的房源资料汇总。

要点提示：超大上下文窗口使得同时读取大量文档成为可能——但这并不能取代对输出结果的仔细核查，因为再大的上下文窗口也无法完全避免结果中的错误或遗漏。

实际应用案例

1. 大批量档案的自动化汇总

物业管理公司的业务人员可以通过API一次性读取数百份公摊费用结算单或业主大会记录，让系统自动标记出异常情况——例如异常高的费用项目。K2.6或K3超大的上下文窗口使这一操作在技术上成为可能，且无需事先将文件拆分成许多小片段。

2. 房源介绍材料的草拟与排版

在智能体模式下，经纪人可以让系统生成一份多页的房源介绍材料初稿，并附带简单的网页展示效果，随后再由人工进行编辑审核，并与实际具有法律效力的房源数据进行核对。

3. 面向内部工具的编程辅助

由于Kimi系列模型在编程任务基准测试中表现突出，一些房地产企业的IT部门会借助Kimi辅助编写小型内部自动化脚本，例如用于在两套软件系统之间核对租金清单。

4. 资料检索与市场观察

借助智能体模式的网络浏览功能，可以用该模型持续跟踪公开可获取的市场数据，例如汇总利率走势或公开可查的房地产市场报告——这里的关键在于，只使用公开可获取、不涉及个人信息的资料来源。

5. 多语言沟通

对于国际化的房地产资产组合，财务人员可以使用Kimi在多种语言之间转换标准信函或摘要内容——但同样适用前文所述关于个人数据内容的限制。

要点提示：模型一次性处理的数据量越大，这些数据在处理过程中究竟存放在何处这一问题就越重要——性能表现与数据保护是两个各自独立、都需要给出答案的问题。

Kimi模型常见问题解答

Kimi K2与Kimi K2 Thinking有什么区别？

Kimi K2是最初的基础模型，Kimi K2 Thinking是2025年11月推出的版本，它在给出回答之前会加入更详尽的、结合工具使用的多步骤思考过程，因此在处理复杂任务时表现更出色。

当前模型的上下文窗口有多大？

K2系列模型通常提供25.6万Token的上下文，而2026年7月推出的Kimi K3据称达到约100万Token。

Kimi模型真的是开源的吗？

其模型权重是公开可获取的，采用修改版的、非常宽松的MIT许可证发布。其中一个特殊之处在于，对于用户量超过1亿或月营收超过2000万美元的超大规模商业应用，存在署名标注义务。

这些模型适合编程任务吗？

是的，Kimi K2系列，尤其是专门优化的K2.7 Code版本，在公开的编程基准测试中表现相对突出，常被用于编程智能体场景。

我可以自行部署运行这些模型，而不使用Kimi网站吗？

可以，由于模型权重是公开发布的，因此可以通过多家云服务商或在自有硬件上运行。但由于这些模型规模庞大，这需要相应的技术专业知识以及足够的算力资源。

关于Moonshot AI公司背景、价格及数据保护的基础信息，请参阅本站服务商介绍页面。该系列专题中全部十家AI服务商的对比，可参阅总览页面。

Kimi背后是谁？Moonshot AI的发展历程

• Kimi官网
• Moonshot AI官网

Moonshot AI于2023年3月在北京成立。其创始人之一是杨植麟，他在卡内基梅隆大学取得博士学位，曾参与撰写XLNet和Transformer-XL等知名语言模型论文，是该领域颇具声望的AI研究者。他与其他联合创始人一起创办了这家公司，在中国媒体报道中，该公司常与字节跳动、OpenAI相提并论，被视为格外具有野心的AI创业公司代表。

在资金方面，Moonshot AI获得了阿里巴巴、腾讯等科技巨头以及IDG资本等投资机构的支持。公司估值在短时间内大幅攀升：从创立之初约3亿美元，到2024年初约25亿美元，再到2026年初据报道达到数十亿美元规模。由此，Moonshot AI已成为中国估值最高的民营AI企业之一。

从小众聊天机器人到国际关注的模型

Kimi最初是以中文聊天机器人的身份走入公众视野。真正实现国际突破是在2025年夏季，当时推出的Kimi K2模型系列以参数规模庞大的开源模型形式发布，并在业内引发广泛关注——因为它在编程任务和智能体（Agent）能力的基准测试中，表现足以与西方厂商价格高得多的模型相抗衡。

Kimi作为产品：聊天应用、智能体模式与API

对大多数用户而言，Kimi首先是kimi.com上的网页版及应用界面。在这里，该模型可以像一款普通聊天机器人那样，用于文本处理、翻译、资料检索或编程任务。自2025年秋季起，Moonshot AI还额外推出了一种增强型智能体模式，在相关报道中被称为“OK Computer”或“Kimi Work”。

智能体模式

在这一模式下，Kimi能够自主完成多步骤任务：它可以在网络上进行检索、制作表格及简单的多页网页，还能执行Python代码，据Moonshot AI介绍，甚至可以同时读取数十个文件。对于房地产管理领域的业务人员来说，这理论上意味着可以一次性汇总大量文件——例如多份公摊费用结算单或推介材料草稿。需要注意的是：所有上传的内容都会在Moonshot AI的服务器上处理，具体细节详见下文。

通过API使用Kimi

开发者和企业也可以通过自有的应用程序接口（API）调用Kimi模型，例如将其集成到现有的CRM系统或文档管理软件中。这一接口既由Moonshot AI直接提供，也有多家第三方服务商提供，用户可以借助这些渠道，在自有或欧洲的云基础设施上运行开放的模型权重。这正是与单纯聊天使用之间的关键区别：谁自行托管开放权重，谁就能自主决定数据存放的位置。

要点提示：Kimi并非“单一”产品，而是两种形态——一是便捷的聊天与智能体访问方式，数据在中国处理；二是公开提供的模型权重，原则上也可以在自有基础设施上运行。

价格模式：使用Kimi要花多少钱？

在个人使用层面，Moonshot AI通过聊天界面提供有请求量和功能限制的免费基础版，并配有付费套餐以获取更大容量。对开发者和企业而言，更重要的是按文本量（Token）计费的API费用。以下数值反映的是2026年8月公开价目表的情况——与所有AI服务商一样，这些价格可能会短期内发生变化，因此在进行企业成本核算前，最好先查看Moonshot AI当前的官方价格页面。

实际案例：某物业管理公司将500份公摊费用结算单交由AI自动汇总。

• 每份结算单约1500字
• 合计约75万字
• 输入Token约为100万至130万
• K2系列：输入处理费用不到2美元
• K3：费用相应更高

除输入费用外，还需加上通常更贵的输出费用——即生成的汇总内容部分。

数据保护与GDPR：中国服务器位置意味着什么？

对于在德国企业中使用而言，这一点是最重要的：如果您通过kimi.com网站或Moonshot AI官方API使用Kimi，您输入的内容将在位于中国的服务器上处理。中国目前尚未获得欧盟委员会的“充分性认定”——这意味着欧盟并未正式认定当地的数据保护水平与《通用数据保护条例》（GDPR，即德语中的DSGVO）具有同等效力。类似的顾虑在DeepSeek等其他中国AI服务商身上也同样存在。

根据Moonshot AI公开的使用条款，用户输入的内容还可能被用于进一步优化自身模型。对于纯粹的私人、非正式使用而言，这或许是可以接受的风险。但对于需要处理来自租赁合同、征信查询或客户咨询中的个人数据的业务人员来说，情况则截然不同：此时适用GDPR对数据处理委托的严格要求，若无额外的合同与技术保障措施，将此类数据传输给一家总部及服务器均位于中国的服务商，几乎难以做到合规。

要点提示：出于一般性资料检索或非正式文本草拟而使用Kimi、且不涉及个人信息的用户，所面临的风险与那些输入租户数据、姓名或合同内容的用户完全不同。对于后一种情况，若无额外保障措施，应当避免。

对于数据保护要求较高的应用场景，一个可行的替代方案是在自有或欧洲的服务器基础设施上运行Kimi开放的模型权重，从而使数据无需离境——但这需要相应的技术知识以及硬件或云服务成本投入。对于希望获得德国本地托管、又不愿承担这种配置负担的房地产企业，也可以选择Lukinski AI等专业方案，这类产品从设计之初就面向德国服务器和行业需求。

Kimi的优势与劣势

Kimi适合谁使用？

Kimi尤其适合以下几类用户群体。

• 技术娴熟的用户与开发者
• 拥有自有托管能力的企业
• 编程与自动化相关任务

对于撰写推介文案的经纪人或处理往来信函的物业管理者来说，一旦涉及个人数据，就需要格外谨慎。此时，与欧洲服务商进行比较是值得的。

关于Kimi与Moonshot AI的常见问题（FAQ）

Kimi可以免费使用吗？

可以，通过聊天界面可以获得有一定限制的免费基础使用权限。若需要更大使用量或通过API接入，则会产生按处理文本量计算的费用。

Kimi对商业或个人数据安全吗？

通过Moonshot AI的标准聊天或API渠道使用时，数据会在中国处理，而中国目前没有获得欧盟的充分性认定。因此，对于来自房地产或金融领域的个人数据或涉及合同的敏感数据，应特别谨慎。

Kimi与ChatGPT、Claude或DeepSeek有何不同？

Kimi与大多数西方服务商的主要区别在于其模型权重是公开发布的。与另一家中国服务商DeepSeek相比，二者在数据保护问题和服务器位置方面存在明显的相似之处。

可以不使用中国服务器来运行Kimi吗？

原则上可以，因为基础模型是以开放权重形式发布的，并可通过多家第三方服务商部署在欧洲基础设施上。但这需要相应的技术知识和自有服务器容量。

K2这一型号名称代表什么？

K2指的是Moonshot AI于2025年夏季推出的大型模型代际，其命名取自世界第二高峰。关于各个K2版本及其后续迭代的详情，请参阅深入介绍模型的专题页面。

关于各个模型版本的更多技术细节，请参阅本站Kimi模型详解页面。该系列专题中所涉及全部十家AI服务商的对比，可参阅总览页面。

Grok 模型系列概览

Grok 3——上一代产品

Grok 3 长期以来是 xAI 的主力模型，如今已成为免费等级的基础模型。它能胜任聊天机器人的基本任务——回答问题、撰写文本、简单的资料查询，但相比更新的模型，上下文窗口明显更小，在处理复杂的多步骤任务时准确度也较低。

Grok 4 与 Grok 4 Heavy

Grok 4 是下一个重大进步，在逻辑推理和复杂问题上带来了明显更好的结果。Grok 4 Heavy 版本更进一步：面对困难任务时，它会同时运行多个并行的思考过程，并在给出答案之前对结果进行比较。这使得 Grok 4 Heavy 速度更慢、费用也明显更高，但在应对棘手任务（例如数学计算或多步骤分析）时也更加可靠。

Grok 4.1 Fast——快速且经济

对于那些主要看重速度和低成本的任务——例如在应用程序中自动回复大量简短请求——xAI 提供了 Grok 4.1 Fast 这一精简但速度快、价格低的版本。它的内容深度较低，但对于简单的重复性任务而言通常已经足够。

Grok 4.20——超大上下文窗口与多智能体技术

2026 年初，xAI 推出了 Grok 4.20，该模型内部由多个专门的”角色”协同工作，在给出答案之前相互进行交叉核查——简单来说：一个角色负责协调，一个核查事实，一个评估技术细节，还有一个负责提供富有创意的表达。对用户而言，这主要体现为在处理较长、较复杂的请求时，答案更加可靠。此外，该模型还拥有一个约 200 万个文本单元（Token）的超大上下文窗口——相当于数千页文本，模型可以同时将其”记在脑中”，适用于分析较长的合同文件或大量数据集合等场景。

Grok 4.5——当前专注于复杂技术任务

Grok 4.5 于 2026 年 7 月发布，是 xAI 目前提供的最先进的模型。它专门针对较长、较高难度的工作任务进行了训练——最初主要面向软件开发，如今也适用于其他复杂的多步骤任务，例如全面的资料研究或大量数据的分析。其上下文窗口约为 50 万 Token，小于 Grok 4.20，但在处理困难的推理任务时表现更为精准。在编程接口中，Grok 4.5 的费用约为每百万输入文本单元 2 欧元，每百万输出文本单元 6 欧元。

Grok 5——目前已知的信息

据 xAI 表示，代号为 Grok 5 的后续模型目前正在一个扩容后的 Colossus 数据中心进行训练。截至 2026 年 8 月，尚无官方发布日期，据传该模型的规模将明显超过 Grok 4，预计在 2026 年晚些时候正式发布。在官方公布之前，Grok 4.5 仍是目前公开可用的最强大模型。

要点提示：版本号越高，模型通常性能越强，费用也往往越高——但并非每项任务都需要最强的模型。对于简单的日常问题，快速且便宜的版本往往已经足够。

Grok 各版本对比表

通过 X 实现的实时数据访问

所有当前的 Grok 模型都具备一个共同特点：可以直接访问平台 X 上的公开内容。这使得 Grok 能够对仅仅几分钟前发生的事件作出反应——这与那些知识仅限于特定训练截止日期的模型形成了明显区别。缺点在于：社交媒体上的内容并非自动经过核实或保证可靠，因此基于最新 X 内容给出的回答，始终需要保持一定的谨慎态度来阅读，尤其是在涉及有争议或尚不明确的话题时。

使用 Aurora 和 Grok Imagine 进行图像与视频生成

在图像生成方面，xAI 使用了一套名为 Aurora 的自有系统，如今以 Grok Imagine 的产品名称进行推广。它可以根据文字描述生成图像，如今也能生成时长仅几秒钟、多种格式的短视频。付费等级 SuperGrok 包含 Grok Imagine 的完整功能；免费等级则只提供功能有限的基础版本。在编程接口中，视频生成按生成的秒数计费，因此对于短片而言价格相对便宜。

日常与商业场景中的应用案例

案例一——日常生活：一位用户在筹划旅行，让 Grok 根据 X 上的最新帖子，总结目的地当前的天气和交通状况——这是没有实时访问能力的模型无法提供的。

案例二——小企业：一家小型手工业企业的职员使用 Grok 4.1 Fast 对通过邮件收到的客户咨询进行预先分类，并起草回复建议，随后由人工进行审核。

案例三——房地产与金融：某房产中介公司希望初步了解某个地段当前的舆论氛围——例如近几天是否有更多人在讨论租金上涨，或某座城市的新建项目。借助对 X 最新帖子的访问，Grok 可以总结相关讨论，提供初步线索。需要注意的是：这类舆情分析无法替代基于官方数据的可靠市场分析，只能作为一种快速的补充参考。

案例四——审查长文档：一位职员将一份较长的租赁合同或篇幅庞大的招标文件上传到 Grok 4.20，让其总结关键条款、期限和数字——凭借较大的上下文窗口，该模型可以一次性处理整份文本，而无需将其拆分成多个部分。

案例五——技术任务：一位开发者使用 Grok 4.5，对一个跨越多个文件的现有软件应用进行分析，并获取代码改进建议——这正是该模型专门训练所针对的任务类型。

要点提示：任务越长、越复杂，上下文窗口就越重要——而对于简短的日常问题，它几乎没有什么影响。

实践案例：估算编程接口的使用费用

某房产中介公司希望每月使用 Grok 4.5 自动起草约 50 份房源描述。每份描述预计需要输入 1000 个 Token（房源数据、基本条件）和输出 1500 个 Token（成稿文本）。

• 输入：50 x 1000 = 50000 Token，按每百万 Token 2 欧元计算，约为 0.10 欧元
• 输出：50 x 1500 = 75000 Token，按每百万 Token 6 欧元计算，约为 0.45 欧元
• 每月总费用：约 0.55 欧元

这个计算示例说明：在文本量可控的情况下，通过编程接口产生的纯文本费用非常低——真正的成本往往来自接口的开发和维护，而不是单次请求本身。

常见问题（FAQ）

作为新手，应该使用哪个 Grok 模型？

入门阶段通常使用免费等级或最便宜付费等级中的标准模型即可。只有在处理复杂或长篇任务时遇到瓶颈，才值得升级到性能更强的模型。

用简单的话说，”上下文窗口”是什么意思？

上下文窗口指的是模型能够同时”记在脑中”的文本量。如果希望一次性分析长篇文档，较大的上下文窗口就很重要；但对于简短问题而言，它几乎没有影响。

Grok 4.20 和 Grok 4 是同一个模型吗？

不是。Grok 4.20 是一个独立的、更晚推出的模型世代，拥有明显更大的上下文窗口，并具备 Grok 4 尚不具备的内部多角色核查机制。

Grok 5 何时发布？

截至 2026 年 8 月，尚无官方发布日期。xAI 已证实后续模型正在研发中，但没有给出具体时间。

我能通过 Grok 获得用于房产决策的可靠市场数据吗？

Grok 可以总结当前的讨论和舆论氛围，但不能替代经过核实的官方数据或专业市场分析。它最适合作为快速的补充参考，而不是唯一的决策依据。

关于 xAI 公司本身、价格等级以及数据保护方面的评估，可参见我们的xAI 供应商页面。如果想查看其他主要 AI 供应商的对比情况，可前往AI 模型对比页面查看概览。

xAI 的简史与使命

• xAI 官网
• 直接打开 Grok

xAI 成立于 2023 年，公司官方使命是”理解宇宙的真实本质”。实际而言，这意味着 xAI 开发大型 AI 语言模型，并以 Grok 之名发布。与 OpenAI 或 Anthropic 等作为独立研究公司起步的企业不同，xAI 从一开始就与平台 X 紧密相连，而 X 同样归埃隆·马斯克所有。这一联系是它与其他大型 AI 供应商之间最重要的区别之一：Grok 可以实时直接访问 X 上发布的内容，因此能够在事件出现在传统新闻渠道之前就作出反应。

为训练和运行其模型，xAI 使用了一台名为 Colossus 的自有超级计算机，该设施位于美国田纳西州，是全球最强大的 AI 数据中心之一。这套基础设施使 xAI 能够以很短的间隔发布新版本模型——这一速度在业内已被视为最快之一。

产品概览：作为应用程序、网页版以及 X 内置功能的 Grok

作为独立应用和网站的 Grok

与 ChatGPT 或 Gemini 类似，Grok 可以作为独立应用程序（iOS 和 Android）使用，也可以通过网站 grok.com 访问。用户输入问题或任务，即可得到文字回答，也可以要求附带图片或短视频。界面设计刻意保持简洁：一个输入框、一个模式选择（例如快速回答或深入研究），以及回答显示区域。对于已经熟悉其他聊天机器人的人来说，几分钟内就能上手 Grok。

X（Twitter）内置的 Grok

真正的特色在于与 X 的集成。在 X 上，Grok 直接出现在帖子下方，只需一句指令即可对某个情况进行解读、总结一条帖子内容，或为其生成配图。因此，已经在使用 X 的人自然就能随时使用 Grok，无需额外安装应用。这种紧密的结合既是优势也是争议点：它为 Grok 提供了实时的最新信息，但同时也引发了关于 X 用户发布内容被用于 AI 训练的范围问题——这一点将在数据保护部分详细说明。

要点提示：想试用 Grok 并不需要 X 账号——应用程序和网站 grok.com 可以独立使用。只有想要使用完整的 X 集成功能时，才需要额外拥有一个 X 账户。

价格模式与订阅等级（截至 2026 年 8 月）

xAI 将其产品分为多个等级，主要在使用量、对最新模型的访问权限，以及图像和视频生成等附加功能方面有所区别。

对于希望将 Grok 集成到自有软件中的开发者或企业，还提供按使用量计费的编程接口（API）。费用根据处理的文本量计算，视模型不同，每百万个处理的文本单元（Token）大约在 1 至 15 欧元之间。对于绝大多数个人用户和小型企业来说，这一点并不重要——通常上表中的某个订阅等级就已足够。

实践案例——费用计算：一家手工业企业使用 Grok 来撰写报价文案和进行市场调研。

• SuperGrok Lite：每月 10 欧元，每年 120 欧元
• SuperGrok：每月 30 欧元，每年 360 欧元
• 在使用 X 数据和图像生成方面，SuperGrok 更为合适

对大多数小型企业而言，SuperGrok 在功能范围与费用之间提供了最佳的性价比。

数据保护与 GDPR 相关评估

数据在哪里处理？

xAI 是一家美国公司，其服务器以及自有超级计算机 Colossus 均位于美国。这意味着：使用 Grok 时，用户输入的内容会在欧盟境外的服务器上进行处理。这在原则上并不被禁止，但和其他美国 AI 供应商一样，需要为数据传输至美国提供适当的法律依据。

X 用户数据作为训练数据

Grok 与许多竞争产品的一个不同之处，在于它与 X 的紧密关系。过去，X 用户发布的公开内容曾被用于 Grok 的训练，其中部分情况下用户并未主动同意——只是账户设置中提供了一个可选的反对选项。因此，爱尔兰数据保护监管机构已针对 xAI 启动了审查程序，欧盟委员会也在《数字服务法》框架下审查 X 在接入 Grok 之前是否进行了充分的风险评估。为应对监管压力，xAI 已宣布将不再使用来自欧盟用户的公开内容进行训练。

这对德国的个人用户或小型企业实际意味着什么？

作为聊天机器人的日常使用而言，适用的基本规则与其他 AI 供应商类似：

• 不要输入敏感的个人数据
• 不要分享商业机密
• 聊天中不要涉及健康数据
• 使用前先核查合同条款

在 X 中使用 Grok 的用户需注意：即便欧盟用户数据已被排除在训练之外，自己发布的公开内容仍可能被分析利用。

要点提示：只要相关监管程序尚未结束，就应将 Grok 视为普通的美国工具来对待——适合用于一般性的资料查询和文本草拟，但在未事先核查自身数据保护义务的情况下，不宜用于处理机密客户数据或合同内容。

优点与缺点

Grok 适合哪些人？

Grok 适合多种类型的用户。

• 需要针对时事问题快速获得答案
• 经常处理社交媒体内容
• 寻找知名聊天机器人的经济实惠替代方案
• 涉及文本、图像和视频的创意工作

中介人员可以在洽谈前调研某个街区当下的讨论热度，物业管理人员则可以借此起草对租户咨询的回复。

对于更看重德国本地托管，以及客户数据处理方式清晰透明的房地产商业应用场景，还可以关注专门为此类需求开发的替代方案，例如Lukinski AI。

常见问题（FAQ）

Grok 可以免费使用吗？

可以。免费等级提供每个时间窗口内有限次数的请求，并可使用一个较简单的模型。若需要经常或高强度使用，则推荐选择付费等级。

使用 Grok 需要 X 账号吗？

不需要。通过独立的应用程序或网站 grok.com，即使没有 X 账户也能使用 Grok。只有直接在 X 时间线中使用才需要 X 账户。

我与 Grok 的聊天记录会被用于训练吗？

这取决于具体设置以及所在居住国。对欧盟用户而言，xAI 目前已排除将公开 X 帖子用于训练；对于直接输入的聊天内容，建议查看当前的数据保护设置。

Grok 是否符合 GDPR？

xAI 目前正处于欧洲监管机构的持续关注之下，原因之一是其对 X 用户数据的处理方式，最终的法律认定尚未作出。对于涉及特别敏感数据的商业用途，建议事先自行核查，或选择拥有欧洲托管的替代方案。

企业将 Grok 集成到自有软件中需要多少费用？

编程接口（API）根据处理的文本量计费，视模型不同，每百万 Token 大约在 1 至 15 欧元之间。对于简单的应用场景，通常使用较便宜的模型即可满足需求。

如果想更详细地了解哪种 Grok 模型适合哪种用途，以及各版本之间的具体差异，可以在我们的Grok 模型对比页面中查看详情。