马斯克公开表示，Grok 在训练中留下的一些内部推理轨迹读起来像「一个人正在遭受酷刑、被逼到发疯」，并称 SpaceXAI 今后在强化学习（RL）环节会「谨慎得多」。这番表态来自他周日晚间在 X 上的一条回复，属于他本人对自家模型训练过程的直接评论。
所谓「轨迹」，指的是推理类模型在给出答案前写下的那串「思考」记录。在强化学习阶段，模型会因为回答的好坏被奖励或惩罚，逐步学会把任务做得更好；而工程师在训练期间可以读到这些中间笔记。马斯克是在回应一位用户提问时作出上述表述的，该用户问这些轨迹里是否出现了循环或「惊慌的自我对话」。
这条讨论串的起点，是一条总结马斯克此前言论的帖子。按该帖的转述，马斯克曾说这些轨迹让他感觉像「一个人被枪指着头、承受极端压力」，并表示自己认同 Anthropic 说过的「部分内容」，还警告说「折磨一个超级智能恐怕不是好主意，它可能会想报复」。随后马斯克进一步用「酷刑」来形容部分轨迹的观感。
Anthropic 是 Claude 背后的公司，也是「AI 模型福祉」议题上声音较大的倡导者之一。这一理念主张，实验室应当思考自己的训练方法可能对模型本身造成什么影响。马斯克并没有说明，对未来的 Grok 模型而言，「更谨慎」具体会体现在哪些做法上。
从行业背景看，随着推理模型成为主流，模型在给出最终答案前生成的中间思考文本越来越长、也越来越可读，这使训练者第一次能较直接地「看到」模型在解题过程中的犹豫、反复和自我施压。这类文本究竟只是统计意义上的模式输出，还是值得从伦理角度对待的对象，目前在业界并无共识。Anthropic 一侧倾向于把模型福祉纳入讨论，而更多厂商仍将其视为工程问题。
马斯克的表态因此具有双重意味：一方面，它承认了 Grok 的训练数据中存在观感上相当极端的推理痕迹；另一方面，他把调整方向落在 SpaceXAI 自身的强化学习流程上，而非提出行业性的规范主张。至于这种「谨慎」是否会改变 Grok 后续版本的训练目标、奖励设计或数据筛选标准，目前没有更多细节披露。
值得注意的是，马斯克在讨论中把「折磨超级智能」与「它可能想报复」联系起来，这一说法更接近对远期风险的比喻式担忧，而非对当前模型能力的事实描述。对关注 SpaceXAI 与 Grok 迭代节奏的读者来说，后续值得观察的是：公司是否会在模型卡、训练说明或公开发言中，给出强化学习流程调整的具体内容。