马斯克“地表最强”Grok 3炸场，竞技场首超1400分

• 编辑部 发自 凹非寺
  量子位 | 公众号 QbitAI

刚刚，马斯克xAI的Grok 3终于亮相（超300万人次围观）！

一出道即巅峰，竞技场（lmarena.ai）官方给出了这样的评价：

Grok 3是首个突破1400分的模型，并且在所有类别中排名第一。

而且，Grok 3还是首个在10万张（后扩展到20万）H100集群上训练出的模型。

在发布预告消息的时候，马斯克就对Grok 3大力夸赞，称其是“地球上最聪明的AI”

发布之前，大神Karpathy获得了抢先体验资格，玩了两个小时之后发长文详述了自己的感受。

Karpathy认为，Grok-3的思考能力达到了SOTA，推理水平和o1-pro差不多，略好于DeepSeek R1和Gemini的推理模型。

如果考虑到Grok 3是一年前从头开始训练的，取得这样的成绩属实不可思议。

并且对于数字母、小数比大小这些经典大模型“难题”，Grok 3在开启推理之后也都正确解决。

不过也人质疑Grok的地位，有一位仿冒老黄的网友说，Grok 3即便真的是最强，也最多只能强一周。

加上OpenAI也剧透了下一代GPT计划，马斯克和奥特曼的另一场推特大战就要爆发了。

奥特曼昨晚也发推称，GPT-4.5的测试让他感受到了比预期更强烈的“feel the AGI”的感觉。

还有网友到评论区起哄，让他在早上截胡马斯克，直播发布GPT-4.5。

言归正传，我们来看直播都讲了啥。

20万张H100，训出最强模型

这次直播一共有四人参与，除了马斯克之外，较为醒目的就是坐在C位的两位华人，他们都是xAI创始成员。

二人从左至右分别是：

• Jimmy Ba，2023年斯隆奖得主，Hinton手下的助理教授，本科到博士都在多伦多大学。
• 吴宇怀Yuhuai（Tony）Wu，斯坦福大学博士后，博士毕业于多伦多大学。

而最左边的则是Igor Babuschkin，是xAI的一位工程师。

四人先是介绍了Grok 3的训练历程。

去年马斯克剧透，Grok 3在10万张H100上进行训练，是首个达到如此训练集群规模的模型。

当时就有网友称这简直是神经网络的超级工厂。

今天的发布会上又透露，到训练进行到第92天时，集群规模扩展到了20万卡

如此强大算力，xAI也是紧跟潮流在Grok 3中推出了思维链推理能力

在此前迪拜的一场峰会上，马斯克高调宣称：

Grok 3具有强大推理能力，聪明程度超越目前所有已知模型。

这一波Grok 3有满血和mini两个版本，在数学、科学、代码等数据集上表现均超过了GPT-4o、DeepSeek-V3等非推理模型。

并且Grok 3早期还化名“巧克力”打榜LMSYS，一举夺魁并成为唯一一个得分超1400的模型

在Grok 3和mini的基础之上，xAI团队还打造了两款推理模型

其中基于mini的推理模型（Grok 3 mini Reasoning）已经比较成熟，而基于满血版的推理模型（Grok 3 Reasoning Beta）还处在Beta阶段。

介绍成绩之前，四人用马斯克的账号先让Grok跑了两个案例，分别和物理学以及游戏相关。

生成一段代码，为从地球降落在火星，然后在下一个发射窗口返回地球的发射绘制三维动画图表。

生成的过程中，有人开玩笑说什么时候能把Grok装到SpaceX的火箭上，马斯克也回应说可能再过2年。

马斯克还表示，如果一切顺利，SpaceX将在大约2025年11月左右，也就是下一个地球-火星转移窗口期，用星舰把擎天柱机器人送上火星。

说回Grok，在考虑了开普勒定律并将其转化为代码之后，最终生成了可以绘制出这样的动画的代码：

第二个问题开启了Big Brain模式，会让模型用更多的计算资源去做更多的思考。

题目要求则是使用pygame组件，设计一款游戏，把俄罗斯方块和宝石迷阵缝合到一起。

同时还提示代码可能会很长，需要保存到一个文件当中，并且要“insanely great”。

而Grok 3也不负众望，把这两款游戏成功结合，并介绍了合体版游戏的特点：

运行起来是酱婶儿的，既有俄罗斯方块的消除机制，又根据宝石迷阵的特点调整成了三个方块消除一次。

再来看跑分结果，在数学、科学和代码任务中，两者都取得了不俗的成绩。

并且如果让他们“多思考”（柱状图上方浅色部分）之后，表现超越了DeepSeek-R1和高配版o3-mini

不过，目前很多模型都在Benchmark上出现了“过拟合”的现象，那么Grok 3的实际表现究竟咋样呢？

研发团队让它们挑战了今年AIME 2025竞赛的试题，结果Grok-3 Reasoning Beta和mini Reasoning分别取得了93和90分的成绩，力压其他推理模型。

除了Grok 3预训练模型和两个推理模型之外，这次xAI团队还发布了一个AI Agent，叫做DeepSearch

这个功能可以看做是xAI对OpenAI、谷歌等陆续推出的Deep Research功能的对标。

简而言之，DeepSearch通过扫描互联网和X来分析信息，并提供摘要来回答问题。

至于权限方面，X的Premium+用户今日起可以体验Grok 3。

独立APP上，则需要订阅SuperGrok30美元/月300美元/年

发布过程一波三折，语音模式推迟上线

而纵观Grok 3问世的整个过程，也可谓是一波三折。

去年8月，马斯克接受知名访谈博主Lex Fridman采访时曾说过，Grok 3在有望当年年底发布。

结果一直到今年1月19号，第一个测试实例才终于被公布，实际发布更是拖到了现在。

并且就在发布前的周末，xAI团队还在对Grok 3进行紧急打磨。

xAI员工也现身说法，周日晚11:30（北京时间周一下午3:30，也就是发布前不到24小时）发帖表示还在熬夜赶工。

甚至到了发布会前一个半小时，马斯克突然宣布原本打算发布的语音功能需要延期。

马斯克发推称，语音模式还有些不稳定，需要推迟到一周之后。

现场QA环节也有网友提问具体发布时间，团队的回答是“很快会上线一个早期版本，然后逐步迭代”。

不过，同属马斯克旗下的Neuralink高管Shivon Zilis曾体验过1个小时的Ara，并在北京时间今早发布了她的体验感受。

Shivon表示，那是她一生中最意外、最有意义的时刻之一。

她和Ara聊了生物学、量子纠缠等话题，还让Ara出题检验她的学习效果。

结果Shivon只答对了一半的问题，但Ava非常耐心地向她解释了其余的问题，而且并不会嫌问题问得过于愚蠢。

当时还有人在评论区追问，Ara是语音版本吗，Shivon给出了肯定的回答。

寻求100亿美元新融资，还要进军游戏

事实上，老马选择此时发布Grok 3难免有一点微妙。

就在上周五，彭博社爆料xAI正寻求一轮约100亿美元的新融资，公司估值达到约750亿美元（5454.6亿元人民币）。

现有投资者包括红杉资本、Andreessen Horowitz以及Valor Equity Partners，正在洽谈参与此次融资。

由于还没有最终敲定，新模型的发布大概率将对本轮融资产生一定影响。

一旦上述消息得到确认，显然xAI的融资速度实在有点惊人了。

去年12月底，这家公司才刚完成了一轮60亿美元的C轮融资，当时公司估值510亿美元。

短短不到两个月，公司估值直接涨了约47%。而且再往前推，从B轮到C轮的融资，更是实现了半年内估值翻倍。

可以说，仅成立不到两年的xAI，已经成长为OpenAI的强大对手。

而有了充足资金的xAI，除了继续发展模型，也官宣了其他方向——

押注游戏领域，成立AI游戏工作室。

这一消息最早在去年11月老马就透露了，当时他吐槽“过多游戏工作室掌握在大型企业手中”。

这下，老马的商业版图又将扩展了。

One More Thing

就在Grok 3发布前几日，还有一件非常抓马的事引起热议。

一位xAI工程师（现在是前员工了）公开发帖将Grok 3与其他几个竞品的代码能力进行了对比。

虽然清晰标注了这是个人观点，但显然他将自家模型Grok 3排在第4位（前三名都是OpenAI模型）的做法还是惹来了争议。

随后该员工爆料称，公司要求他要么删帖，要么被解雇，理由是这条帖子暴露了Grok 3的存在。

一听这话，小哥觉得有点扯，毕竟Grok 3大家早就知道了，而且还甩出了马斯克之前的发言截图。

面对着xAI的这波小心眼，小哥也直接不惯着，带着一篇洋洋洒洒的小作文，决定辞职了。

我会保持我的言辞和尊严，找另一份工作，或者自己创业。回头见。

对于这件事，老马后来也回应了“这很奇怪”，但后续没有更多动作传出。

更戏剧的是，由于对工资支付产生争议，小哥后来再次公开发帖艾特老马：

请做正确的事。

不过，虽然已经“分手”，但参与了Grok 3语音模式的小哥还是不计前嫌，多次帮忙宣传Grok 3。

并且今天老马宣布延期的语音模式，也是这位小哥所在团队的工作成果，即便已经离职，小哥依然对这项工作感到自豪。

话说回来，你觉得这次的Grok 3如何？等到下一代GPT发布之后，老马还能继续保持领先吗？

[1]https://x.com/i/broadcasts/1gqGvjeBljOGB
[2]https://x.com/karpathy/status/1891720635363254772
[3]https://x.com/shivon/status/1891587630854209768
[4]https://x.com/hyhieu226/status/1891390812795146746