20萬張GPU“燒出”地表最強 AI？馬斯克的Grok 3超1400分登頂排行榜，OpenAI聯(lián)合創(chuàng)始人：略強于 DeepSeek-R1

每經(jīng)記者 岳楚鵬    每經(jīng)編輯 蘭素英

一度“跳票”的AI模型Grok 3終于迎來正式發(fā)布。

當?shù)貢r間2月17日晚，馬斯克旗下AI公司xAI發(fā)布了Grok 3及其精簡版Grok 3 mini。發(fā)布會采用視頻直播形式，觀看人數(shù)超過100萬人。

Grok 3是xAI對OpenAI的o3-mini和DeepSeek的R1等模型的回應(yīng)，它可以分析圖像和回答問題，并為X上的許多功能提供支持。前天馬斯克就在X上造勢稱，Grok 3是“地球上最聰明的人工智能”。

圖片來源：直播截圖

在發(fā)布會上，馬斯克和三位xAI的工程師一起演示了Grok 3的各種功能。馬斯克在直播演示中聲稱，Grok 3在包括AIME（測試模式在數(shù)學問題上的表現(xiàn)）和GPQA（測試模型在博士級物理、生物和化學問題上的表現(xiàn)）在內(nèi)的基準測試中擊敗了所有的市面上所有模型。

馬斯克似乎也并非在打“誑語”。從AI基準測試開放平臺lmarena.ai放出的截圖看，測試數(shù)據(jù)顯示，早期版本的Grok 3（代號chocolate）在Arena排行榜上拿下了第一，吊打其他主流AI大模型，并且，Grok 3還是第一個獲得超過1400分的模型。

然而，有用戶在觀看發(fā)布會后指出，Grok 3給出的關(guān)于《流放之路2》游戲的結(jié)論錯誤頻出，另有用戶測試發(fā)現(xiàn)，Grok 3在經(jīng)典的多邊形小球編程問題上也出現(xiàn)了錯誤。

OpenAI聯(lián)合創(chuàng)始人Andrej Karpathy也在發(fā)布會后放出了自己的感想。他認為，就目前短暫上手的體驗而言，Grok 3 + Thinking感覺與ChatGPT的o1-pro差不多，略好于DeepSeek-R1和谷歌的Gemini 2.0 Flash Thinking。 

拿下Arena榜單第一！Grok 3是首個超1400分的模型

早在2024年7月，馬斯克在與喬丹·彼得森的訪談節(jié)目時就表示，Grok 3預(yù)計將在2024年12月底發(fā)布。但到了年底，這個承諾并沒有兌現(xiàn)，一度有人懷疑這只不過是馬斯克無數(shù)個大餅中的其中一個，Grok 3或許遙遙無期。

不過，在上周的迪拜峰會上，馬斯克卻突然宣布，xAI將在一到兩周內(nèi)推出新一代AI模型Grok 3，而這個模型的強大程度，用他的話說，“強到讓人感到害怕”。馬斯克甚至預(yù)言這可能是“最后一次有AI比Grok更優(yōu)秀”。

從xAI在直播中放出的基準測試結(jié)果來看，Grok 3在數(shù)學、科學和編程領(lǐng)域的表現(xiàn)大幅領(lǐng)先于市面上其他主流的AI模型。

在數(shù)學能力測試（AIME'24）中，Grok 3獲得52分，明顯超過DeepSeek-V3的39分和GPT-4o的9分；在科學知識評估（GPQA）中，Grok 3以75分的成績領(lǐng)先，而DeepSeek-V3和GPT-4o的得分分別為65分和50分；在編程能力測試（LCB Oct-Feb）中，Grok 3同樣以57分超過DeepSeek-V3的36分合GPT-4o的34分。

圖片來源：xAI

在推理模型的比較中，Grok 3 Reasoning Beta也戰(zhàn)勝了OpenAI的o3-mini、DeepSeek的R1和Gemini-2 Flash Thinking等推理模型。不過，演示團隊表示允許Grok去進行更長時間的思考和推理。

圖片來源：xAI

AI基準測試開放平臺lmarena.ai也爆出猛料，最新測試數(shù)據(jù)顯示，早期版本的Grok 3（代號chocolate）在經(jīng)過約8000次投票后，在Arena排行榜上拿下第一。

圖片來源：X

lmarena.ai稱，Grok 3是第一個突破了1400分的模型，并且在所有分類中都排名第一，而這一里程碑以后會越來約難以實現(xiàn)。

圖片來源：X

三個月數(shù)據(jù)中心容量翻倍至20萬塊GPU

和DeepSeek從技術(shù)層面對模型進行改進不同，馬斯克的新模型還是屬于“大力出奇跡”。

此前有新聞報道，馬斯克組建了一個配有十萬塊H100 GPU的、世界上最大的超級計算機集群Colossus來幫助訓練Grok模型。在此次直播中，馬斯克透露，實際上，到訓練進行到92天時，集群的規(guī)模已經(jīng)擴大到了20萬塊GPU。

圖片來源：xAI

也難怪有人說Grok 3是終極的Scaling Law測試了，是靠吞噬算力訓練起來的怪物。

演示團隊為了使大家更直觀地了解Grok 3的強大之處，還演示了物理學和游戲的例子。

首先，要求Grok 3生成一段代碼繪制從地球發(fā)射火箭，降落在火星，然后在下一個發(fā)射窗口返回地球的三維動畫圖表。這一任務(wù)涉及大量的數(shù)學和物理計算，極具挑戰(zhàn)性。Grok 3很快生成了完整的動畫，研究人員在檢查后表示結(jié)果完全正確。

圖片來源：xAI

之后，演示團隊又要求Grok編寫一個結(jié)合俄羅斯方塊和寶石迷城的游戲，Grok也順利完成了任務(wù)。

除了基本的模型能力之外，Grok 3也具備智能體功能。

xAI為Grok 3開發(fā)了一個類似于OpenAI的DeepSearch智能體。DeepSearch可以對互聯(lián)網(wǎng)進行全面搜索，并為用戶提供詳盡的整合報告。馬斯克表示，這可以省下你幾十次谷歌搜索的時間，而公司將得到幾十億美元的回報。

OpenAI 聯(lián)合創(chuàng)始人：Grok 3 + Thinking與o1-pro差不多，略好于DeepSeek-R1

在演示團隊的展示中，Grok 3似乎無所不能，拳打OpenAI，腳踢Deepseek，已然站上世界AI模型的巔峰，但有些觀看了演示和迫不及待體驗了Grok 3的用戶卻發(fā)現(xiàn)了一些奇怪的問題。

在發(fā)布會中，為了演示DeepSearch功能，演示團隊就馬斯克最近在玩的游戲《流放之路2》詢問了一個相關(guān)問題。有游戲博主看后表示，Grok 3給出的游戲結(jié)論錯誤頻出，感覺不如馬斯克宣稱的那么聰明。

圖片來源：嗶哩嗶哩

有專門直播該游戲的游戲博主也對《每日經(jīng)濟新聞》記者表示，Grok 3給出的答案沒一個是對的，不如GPT。

另外，有用戶體驗了Grok 3的編程功能，隨后也表示，Grok 3的編程能力并不是很強大。在經(jīng)典的多邊形小球編程問題上，Grok 3出現(xiàn)了錯誤。

圖片來源：X

OpenAI聯(lián)合創(chuàng)始人Andrej Karpathy作為為數(shù)不多的提前拿到測試資格的人，也在發(fā)布會后放出了自己的感想。他認為，就目前短暫上手的體驗而言，Grok 3 + Thinking感覺與ChatGPT的o1-pro差不多，略好于DeepSeek-R1和谷歌的Gemini 2.0 Flash Thinking。 

Karpathy表示，Grok 3顯然有一個最先進的思維模型，并且在卡坦島定居者問題上做得很好。很少有模型能夠可靠做到這一點。頂級的OpenAI推理模型（如o1-pro，月訂閱費為200美元）也能做到這一點，但DeepSeek-R1、Gemini 2.0 Flash Thinking和Claude的所有模型都沒辦法做到。

但Grok 3并沒有解決“表情符號之謎”問題，即使以Rust代碼的形式給出了有關(guān)如何解碼它的強烈提示。而在這點上，Karpathy稱其見過的最大進展來自DeepSeek-R1，它曾經(jīng)部分解碼了消息。

此外，Karpathy認為，DeepSearch大約等于Perplexity DeepResearch的產(chǎn)品，但還沒有達到OpenAI最近發(fā)布的“深度研究”的水平。

不過，他同時也指出，考慮到xAI團隊在大約在1年前從頭開始，這是相當令人難以置信的，達到最先進領(lǐng)域的時間跨度是前所未有的。目前得出完整結(jié)論還為時過早，需要在在接下來的幾天/幾周內(nèi)等待更多的評估。