0
2 月 16 號(hào)，馬斯克在 X 上發(fā)布了一條自家 Grok 3 模型的發(fā)布預(yù)告。
并配文“地球上最聰明的 AI”要來了。
北京時(shí)間 2025 年 2 月 18 日中午，馬斯克如約帶領(lǐng)著 xAI 的工程師和研究團(tuán)隊(duì)開啟了 Grok 3 的首發(fā)直播。
這次發(fā)布會(huì)主要分為三個(gè)部分，介紹了 Grok 3 在訓(xùn)練上比 Grok 2 多投入了 10 倍的計(jì)算資源，解鎖了更強(qiáng)大的計(jì)算能力，展示了基于 Grok 3 的 AI Agent，展現(xiàn)了 xAI 團(tuán)隊(duì)在自主智能體領(lǐng)域的最新進(jìn)展。
“我們非常高興能夠推出 Grok3，我們認(rèn)為，在很短的時(shí)間內(nèi)，它的功能比 Grok2 強(qiáng)大一個(gè)數(shù)量級(jí)。這要?dú)w功于一支不可思議的團(tuán)隊(duì)的辛勤工作，我很榮幸能與這樣一支優(yōu)秀的團(tuán)隊(duì)合作。”馬斯克在發(fā)布會(huì)上說道。
馬斯克還透露，Grok 3 由 Colossus 超級(jí)計(jì)算機(jī)訓(xùn)練完成，這臺(tái)計(jì)算機(jī)是在短短八個(gè)月內(nèi)建成的，搭載了 10 萬顆英偉達(dá) H100 GPU，提供了超過 2 億 GPU 小時(shí)的計(jì)算資源——是 Grok 2 的10倍。
據(jù) xAI 團(tuán)隊(duì)介紹，xAI 最開始搭建這個(gè) 10 萬 GPU 集群用了 122 天，后續(xù)拓展到 20 萬 GPU 集群僅用了 92 天。顯著的算力提升讓 Grok 3 能夠更高效地處理龐大數(shù)據(jù)集，縮短訓(xùn)練時(shí)間。隨即他們便曬出了一組和 ChatGPT 的數(shù)據(jù)對(duì)比圖，并表示雖然 Grok 起步較晚，但在 MMLU 得分上以超快地速度追上了 ChatGPT。
并且 Grok3 在 LMSYS（大模型競(jìng)技場(chǎng)）中的排名也是一騎絕塵。
其中 Grok-3 和 Grok-3 mini 在多方面性能上都超過或媲美 Gemini、DeepSeek 和 ChatGPT 等對(duì)手。
發(fā)布會(huì)列出的數(shù)據(jù)顯示，Grok-3 和 Grok-3 mini 在數(shù)學(xué)、科學(xué)和編程的基準(zhǔn)測(cè)試中，表現(xiàn)超越了所有主流模型，包括 GPT-4、Claude 3.5 Sonnet、DeepSeek-V3 和 Gemini-2 Pro等。
而 Grok-3 Reasoning Beta 和 Grok-3 mini Reasoning 這兩個(gè)版本，則憑借強(qiáng)大的推理能力，超越了像 DeepSeek-R1 和 OpenAI o3 mini 等推理模型。
此外，xAI團(tuán)隊(duì)還現(xiàn)場(chǎng)演示了一個(gè)任務(wù)，要求Grok-3在現(xiàn)場(chǎng)生成一段關(guān)于太空發(fā)射的3D動(dòng)畫代碼。在大約兩分鐘的思考后，Grok 3生成了可直接運(yùn)行的Python代碼，成功展示了可以運(yùn)行的3D動(dòng)畫。
除此之外團(tuán)隊(duì)還要求 Gork-3 制作一款類似于俄羅斯方塊和寶石迷陣的游戲。在Grok-3 思考了數(shù)分鐘后，給出了答案。
最后，xAI 團(tuán)隊(duì)演示了一個(gè)全新的產(chǎn)品，基于 Grok 3 的搜索引擎 —— DeepSearch 。
它不僅能夠搜索網(wǎng)頁并查找現(xiàn)有資料，還能“推測(cè)用戶的真實(shí)意圖”并進(jìn)行思考。通過交叉對(duì)比多個(gè)信息源，它能夠確?！胺祷刈顪?zhǔn)確的答案”。
直播結(jié)束后，不少網(wǎng)友紛紛發(fā)聲。
AI 大牛卡帕西總結(jié)了一下自己的“先行版”使用體驗(yàn)：
首先 Grok 3 的“思考”功能非常先進(jìn)，能夠出色地解決復(fù)雜問題，如創(chuàng)建《卡坦島》風(fēng)格的棋盤游戲網(wǎng)頁。相比之下，其他頂級(jí)模型（如 DeepSeek-R1、Gemini 2.0 Flash Thinking、Claude）未能解決相同問題。除此之外，Grok 3 也能嘗試解決如黎曼假設(shè)等難題。
其次 Grok 3還具備類似“深度研究”的搜索功能，能夠提供高質(zhì)量的研究問題答案。例如，它能夠回答 Apple 新品發(fā)布、Palantir 股價(jià)上漲等問題。但在某些情況下，它會(huì)錯(cuò)誤地產(chǎn)生幻覺（如錯(cuò)誤的URL或不準(zhǔn)確的事實(shí)）。
最后在測(cè)試一些簡(jiǎn)單的“陷阱”問題時(shí)，Grok 3 表現(xiàn)良好，能夠正確回答一些邏輯謎題。但在幽默和道德問題方面，它仍然存在一些問題，如生成重復(fù)笑話和對(duì)復(fù)雜倫理問題過于敏感等。
但總的來說 Grok 3 整體表現(xiàn)接近 OpenAI 的 o1-pro 模型，并略優(yōu)于 DeepSeek-R1 和 Gemini 2.0 Flash Thinking。
Imarena.ai 官方更是在經(jīng)過測(cè)試后發(fā)文稱：
Grok-3 是首個(gè)突破 1400 分的模型，在所有類別中排名第一，這是一個(gè)越來越難以實(shí)現(xiàn)的里程碑。
更有網(wǎng)友直呼：Grok 3 可能是現(xiàn)實(shí)世界中在物理層面處理得最好的基礎(chǔ)大語言模型了！當(dāng)然也有網(wǎng)友在測(cè)試之后，認(rèn)為 Grok 3 在編程方面并不是很擅長(zhǎng)。
值得一提的是，Grok 3 第一批獲得訪問權(quán)限的人將首先從 X 上的 Premium+ 訂閱者開始，而普通用戶何時(shí)能用上，他們也并不清楚。
但基于網(wǎng)友們對(duì) Grok 3 褒貶不一的評(píng)價(jià)，雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))不禁猜測(cè)，這被 “鈔能力” 風(fēng)風(fēng)火火砸出來的的 “no.1” 在權(quán)限全面放開之后會(huì)不會(huì)口碑兩極反轉(zhuǎn)，亦或是依舊好評(píng)如潮，穩(wěn)坐 AI 大模型王座？
時(shí)間還早，讓子彈再飛一會(huì)。
參考鏈接：https://x.com/i/broadcasts/1gqGvjeBljOGB?t=SX_aTsBoXc07lfSR_Aw8AQ&s=09
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
