Grok-1 ist das 314 Milliarden Parameter umfassende Expertenmischungs-Basismodell, das xAI mit offenen Gewichten und Beispielcode JAX im März 2024 veröffentlicht hat. Es handelt sich um eine historische Modellversion für Forscher und Infrastrukturteams, nicht um den aktuellen Grok-Verbraucherassistenten und nicht um das Modell hinter jeder aktuellen Funktion. Ab Juni 2026 wird in der aktuellen Grok-Produktdokumentation von xAI Grok 4.5 eingeführt, während das Produkt auch Chat, Dateien, Sprache, Konnektoren, Bild- und Videoerstellung und andere Dienste umfasst, die im Checkpoint Grok-1 nicht vorhanden waren.
Diese Unterscheidung ist die wichtigste Tatsache auf der Seite. Wenn Sie Grok-1 herunterladen, erhalten Sie einen rohen Prüfpunkt vor dem Training, der laut xAI nicht für den Dialog oder eine andere spezifische Anwendung optimiert wurde. Grok.com, Live-X-Wissen, aktuelle Agententools, Grok Imagine, Sicherheitssysteme, Hosting oder das Verhalten neuerer proprietärer Modelle werden nicht neu erstellt.
Grok-1 technische Spezifikationen
| Spezifikation | Offizielle Grok-1-Veröffentlichung | Praktische Bedeutung |
|---|---|---|
| Modelltyp | Rohes Basissprachenmodell | Erfordert Aufgabenanpassung, Aufforderung, Bewertung und Sicherheitsmaßnahmen vor der benutzerorientierten Bereitstellung |
| Gesamtparameter | 314B | Der Speicher- und Arbeitsspeicherbedarf von Checkpoints geht weit über den einer typischen Workstation hinaus |
| Architektur | Mischung aus 8 Experten | Ein Router wählt für jedes Token eine Teilmenge von Experten-Feed-Forward-Pfaden aus |
| Pro Token eingesetzte Experten | 2, etwa 25 % der Gewichte aktiv | Die aktive Rechenleistung ist geringer als bei einem dichten 314B-Modell, aber alle Gewichtungen erfordern dennoch eine geeignete Speicher- und Bereitstellungsstrategie |
| Schichten | 64 | Tiefer Transformatorstapel mit erheblichen Anforderungen an die verteilte Inferenz |
| Achtung | 48 Abfrageköpfe, 8 Schlüssel-/Wertköpfe | Gruppierte Schlüssel-/Wertköpfe reduzieren einen Teil der Aufmerksamkeitsspeicherkosten |
| Einbettungsgröße | 6,144 | Eine große versteckte Darstellung trägt zum Modellspeicher und zur Rechenleistung bei |
| Tokenizer | SentencePiece, 131.072-Token-Vokabular | Anwendungen müssen den freigegebenen Tokenizer für kompatible Token-IDs verwenden |
| Maximale Sequenzlänge | 8.192 Token | Viel kürzer als viele neuere Long-Context-Modellangebote |
| Referenzstapel | JAX Beispielcode; Aktivierungs-Sharding und 8-Bit-Quantisierungsunterstützung | Das Repository demonstriert die Korrektheit, kein optimierter Produktionsserver |
| Lizenz | Apache-Lizenz 2.0 für Repository-Quelle und Grok-1-Gewichtungen | Überprüfen Sie den genauen Lizenzumfang sowie alle Abhängigkeiten und nachgelagerten Nutzungspflichten von Drittanbietern |
Offene Gewichte bedeuten nicht, dass man sofort loslegen kann
Das Repository von xAI warnt ausdrücklich davor, dass die enthaltene Mixed-of-Experts-Implementierung ineffizient ist und zur Validierung der Modellkorrektheit ohne benutzerdefinierte Kernel ausgewählt wurde. Der Referenzpfad erwartet eine Maschine mit ausreichend GPU-Speicher für einen 314B-Prüfpunkt. Selbst bei 8-Bit-Gewichten liegt der Rohgewichtsspeicher allein in der Größenordnung von Hunderten von Gigabyte ohne Laufzeitaufwand, Caches, Framework-Puffer, Replikation und Redundanz. Community-Konvertierungen mit niedrigeren Bits können den Speicher reduzieren, können jedoch die Genauigkeit beeinträchtigen und sind nicht dasselbe Artefakt wie der offizielle Prüfpunkt von xAI.
Eine ernsthafte Bereitstellung erfordert ein kompatibles Prüfpunktformat, einen Sharding-Plan, optimierte MoE-Kernel, eine Beschleunigertopologie, einen Modellserver, einen Tokenizer-Dienst, eine Batch-Richtlinie, eine Schlüssel-/Wert-Cache-Strategie, Überwachung und Wiederherstellung. Messen Sie den Interconnect-Verkehr sowie die individuelle GPU-Auslastung: Expertenrouting über Geräte hinweg kann die Kommunikation zum Engpass machen.
Grok-1 im Vergleich zum aktuellen Grok-Produkt
| Fähigkeit | Grok-1 Kontrollpunkt mit offenem Gewicht | Aktuelles Grok-Produkt/API |
|---|---|---|
| Zweck | Forschung und selbst durchgeführte Experimente mit einem Basismodell der Ära 2023 | Aktuelle Assistenten- und Entwicklerdienste |
| Dialogverhalten | Keine Feinabstimmung der Anweisungen oder Dialoge im freigegebenen Kontrollpunkt | Produktspezifische Nachschulungen, Eingabeaufforderungen, Tools und Sicherheitsmaßnahmen |
| Aktuelle Informationen | Kein integrierter Live-Abruf oder X-Zugriff | Kann je nach Oberfläche aktuelle Suche, X-Kontext, Konnektoren oder Agent-Tools umfassen |
| Multimodalität | Als Textbasismodell veröffentlicht | Aktuelle Produktdokumente, Dateien, Sprache, Bilder, Videos und Grok Imagine Funktionen |
| Operationen | Sie stellen Hardware, Bereitstellung, Skalierung, Sicherheit und Überwachung bereit | xAI betreibt den gehosteten Dienst vorbehaltlich der Pläne, Beschränkungen, Bedingungen und Verfügbarkeit |
| Modellgenerierung | Grok-1 | Neuere Modellfamilien; Aktuelle Dokumente identifizieren Grok 4.5 |
Wenn Grok-1 immer noch Sinn macht
- MoE-Forschung: Untersuchen Sie eine große veröffentlichte Mischung aus Expertenarchitektur, Routing-Verhalten, Sharding und Inferenzoptimierung.
- Reproduktionsstudien: Vergleichen Sie den offiziellen Prüfpunkt und die Referenzimplementierung mit Community-Laufzeiten oder -Konvertierungen.
- Historische Auswertung: Untersuchen Sie, wie sich ein prominenter Checkpoint vor dem Training im Jahr 2023 im Vergleich zu späteren offenen Modellen unter einem kontrollierten Benchmark verhält.
- Infrastrukturexperimente: Testen Sie verteilte Lade-, Quantisierungs-, Expertenplatzierungs- und Bereitstellungssysteme, wenn bereits geeignete Hardware vorhanden ist.
Für eine neue Anwendung, die lediglich einen leistungsfähigen, selbst gehosteten Assistenten benötigt, handelt es sich in der Regel um eine schlechte Standardeinstellung. Neuere, kleinere offene Modelle können eine bessere Befolgung der Anweisungen, einen längeren Kontext, Multimodalität, eine einfachere Bereitstellung, eine bessere Werkzeugnutzung und niedrigere Gesamtkosten bieten. Der relevante Vergleich ist die akzeptierte Aufgabenleistung pro Hardwareeinheit und technischem Aufwand, nicht die Gesamtzahl der Parameter.
Checkliste für die Bereitstellungsentscheidung
- Definieren Sie den Forschungs- oder Produktgrund. Erklären Sie, warum Grok-1 anstelle eines neueren dichten oder MoE-Modells erforderlich ist.
- Schätzen Sie den gesamten Fußabdruck. Beziehen Sie heruntergeladene Prüfpunkte, konvertierte Kopien, Speicher, Schlüssel-/Wert-Cache, temporären Speicher, Replikate und Backup ein.
- Wählen Sie eine Bereitstellungsimplementierung aus. Stellen Sie sicher, dass es die genaue Architektur, den Tokenizer, die Quantisierung, das Expertenrouting und die Zielhardware unterstützt.
- Konvertierung validieren. Vergleichen Sie Protokolle oder eine feste Evaluierungssuite mit der offiziellen Referenz, bevor Sie einem konvertierten Prüfpunkt vertrauen.
- Fügen Sie Post-Training oder Kontrollen hinzu. Ein rohes Basismodell ist kein sicherer Chat-Assistent; Definieren Sie Aufforderungs-, Feinabstimmungs-, Moderations- und Ablehnungsverhalten für den beabsichtigten Verwendungszweck.
- End-to-End-Benchmark. Zeichnen Sie Ladezeit, Token pro Sekunde, Zeit bis zum ersten Token, Stapeldurchsatz, Speicher, Kommunikationsaufwand, Strom, Ausfallrate und Ausgabequalität auf.
- Sichern Sie sich den Service. Authentifizieren Sie Anforderungen, isolieren Sie Modellarbeiter, begrenzen Sie Eingabelänge und Parallelität, schützen Sie Protokolle und blockieren Sie nicht vertrauenswürdigen Zugriff auf Verwaltungsendpunkte.
Alternativen zum Vergleich
| Alternativer Weg | Warum vergleichen? | Entscheidungskriterium |
|---|---|---|
| Neueres, dichtes Modell mit offenem Gewicht | Einfacheres Servieren und stark auf Anweisungen abgestimmte Varianten | Qualität und Durchsatz bei gleichem Hardwarebudget |
| Neueres MoE-Modell mit offenem Gewicht | Behält den Forschungswert mit geringer Rechenleistung mit neueren Funktionen | Kernel-Unterstützung, aktive Parameter, Kontext, Lizenz und Ökosystem |
| xAI gehostet API | Zugriff auf aktuelle Grok-Modelle ohne Betrieb eines 314B-Checkpoints | Aufgabenerfolg, Datenbedingungen, regionale Verfügbarkeit, Latenz und Kosten |
| Andere gehostete Grenze API | Umfassenderer Anbieter- und Governance-Vergleich | Akzeptierte Ergebniskosten, Tools, Kontext, Sicherheit, Support und Wechselrisiko |
| Retrieval plus kleineres Modell | Ein kleineres Modell, das auf genehmigten Daten basiert, kann bei einem begrenzten Auftrag ein großes Basismodell übertreffen | Beweisgenauigkeit, Latenz, Wartbarkeit und Gesamtinfrastrukturkosten |
Bewertungsmetriken
- Aufgabenerfolg: Prozentsatz repräsentativer Aufgaben, die nach menschlicher Prüfung angenommen wurden.
- Serviereffizienz: Ausgabetokens pro Sekunde, pro Beschleuniger und pro Watt bei nützlichen Batch-Größen.
- Zeit bis zum ersten Token: interaktive Verzögerung nach der Warteschlange, einschließlich Routing und Prefill.
- Qualität nach Quantisierung: Änderung der Aufgabenmetriken und Fehlermuster im Vergleich zur Referenzgenauigkeit.
- Gesamtkosten: Hardware, Strom, Speicher, Netzwerk, Technik, Ausfallzeiten und Überprüfung je akzeptiertem Ergebnis.
- Sicherheitsverhalten: schädliche Vervollständigung, Datenlecks, Prompt-Injection und Richtlinienfehlerraten für die beabsichtigte Anwendung.
So validieren Sie einen konvertierten oder quantisierten Prüfpunkt
Die meisten Teams bedienen den ursprünglichen Kontrollpunkt JAX nicht direkt. Eine Konvertierung kann Tensoren neu anordnen, Expertenrouting ändern, Tokenizer-Dateien ändern, eine andere numerische Genauigkeit auswählen oder laufzeitspezifische Kernel einführen. Validieren Sie es nicht, indem Sie eine plausible Vervollständigung lesen. Beginnen Sie mit Dateimanifesten und Hashes, bestätigen Sie Tensornamen und -formen und vergleichen Sie einen deterministischen Satz von Token-IDs und nächsten Token-Logits mit der offiziellen Referenz auf ausgewählten Ebenen oder der endgültigen Ausgabe, sofern die Toolchain dies zulässt.
Führen Sie dann einen festen Auswertungssatz mit den vorgesehenen Sequenzlängen und Batchgrößen aus. Vergleichen Sie Ratlosigkeit oder Aufgabengenauigkeit, numerische Drift, Expertenauswahl, Wiederholung, Ausgabekürzungen, Sprachverhalten und Misserfolg bei langen Eingabeaufforderungen. Konvertierungsskript-Commit aufzeichnen, Quell-Checkpoint-Hash, Quantisierungsmethode, Kalibrierungsdaten, Laufzeitversion, Kernel-Flags und Hardware. Behandeln Sie eine Community-Datei als separates Build-Artefakt mit eigener Herkunft – nicht so austauschbar mit der Version von xAI.
Überprüfung der Lizenz und Governance
Apache 2.0 ist freizügig, beantwortet aber nicht jede Bereitstellungsfrage. Bewahren Sie erforderliche Hinweise auf, dokumentieren Sie Änderungen und überprüfen Sie Patent- und Markenklauseln mit dem tatsächlichen Vertriebsmodell. Die Repository-Lizenz gilt für die freigegebene Quelle und die Gewichtungen Grok-1; Anwendungsdaten, Bibliotheken von Drittanbietern, Community-Konvertierungen, Feinabstimmungsdatensätze, generiertes Branding oder von einem nachgelagerten System abgerufene Inhalte werden nicht automatisch lizenziert.
Organisationen sollten außerdem akzeptable Nutzungsregeln, Evaluierungseigentum, Reaktion auf Vorfälle, Modellkartendokumentation und einen Prozess zum Entfernen unsicherer oder nicht autorisierter Feinabstimmungsdaten definieren. Wenn das Modell extern verfügbar gemacht wird, veröffentlichen Sie die für Benutzer relevanten Einschränkungen: Es handelt sich um einen älteren Rohbasis-Prüfpunkt, der über keinen inhärenten Zugriff auf aktuelle Daten verfügt, möglicherweise ungenauen oder schädlichen Text generiert und auf Sicherheitsmaßnahmen auf Anwendungsebene angewiesen ist.
Häufig gestellte Fragen
Ist Grok-1 Open Source?
xAI hat die Grok-1-Gewichte und den Repository-Code unter Apache 2.0 veröffentlicht. „Offene Gewichte“ ist die klarere Beschreibung, da die Veröffentlichung weder den vollständigen Trainingsdatensatz noch die Trainingspipeline enthält. Überprüfen Sie die Repository-Lizenz auf den genauen Umfang.
Kann Grok-1 auf einem normalen PC ausgeführt werden?
Nicht über den offiziellen Referenzpfad. Der 314B-Prüfpunkt erfordert sehr viel Speicher und das Repository warnt, dass seine Beispiel-MoE-Implementierung nicht effizient ist. Community-Quantisierung oder Offloading können die Anforderungen reduzieren, führen jedoch zu erheblichen Kompromissen bei Leistung und Wiedergabetreue.
Ist Grok-1 das Modell, das heute auf grok.com verwendet wird?
Nein. Grok-1 ist ein historisch freigegebener Prüfpunkt. Die aktuelle xAI-Dokumentation identifiziert neuere Grok-Generationen und ein viel umfassenderes gehostetes Produkt.
Enthält Grok-1 Echtzeit-X-Daten?
Nein. Der heruntergeladene Checkpoint hat keine automatische Verbindung zu X, zur Websuche oder zu aktuellen Ereignissen. Abruf und Datenzugriff müssen separat mit entsprechenden Berechtigungen erstellt werden.
Ist die Anweisung Grok-1 optimiert?
xAI beschreibt die Veröffentlichung als das rohe Basismodell nach dem Vortraining, nicht fein abgestimmt für den Dialog oder eine andere spezifische Anwendung.
Sollte ein Startup Grok-1 selbst hosten?
Nur mit klarem Forschungs- oder Infrastrukturgrund und geeigneter Hardware. Die meisten Produktteams sollten neuere, kleinere, offene Modelle und gehostete APIs vergleichen, bevor sie die betriebliche Belastung von Grok-1 akzeptieren.
Offizielle Quellen
- xAI: Offene Veröffentlichung von Grok-1
- Offizielles xai-org/grok-1-Repository und Modellspezifikationen
- Grok-1 Apache 2.0-Lizenztext
- Aktuelle Grok-Produktübersicht
- Ursprüngliche Grok- und Grok-1-Ankündigung
- Offizielles xAI API Kochbuch
Zuletzt überprüft am 25. Juli 2026. Grok-1 Spezifikationen beziehen sich auf die Open-Weight-Version 2024; Aktuelle Grok-Modelle, Produktfunktionen, Pläne und API Verfügbarkeit sollten separat überprüft werden.