全球华人决战AI之巅！马斯克Grok 3险胜DeepSeek，疯狂启动钞能力，压力给到OpenAI

智东西2月18日报道，刚刚，基于20万块的GPU集群训练，马斯克口中地球上最聪明的AI Grok-3终于亮相！

此次直播伊隆·马斯克（Elon Musk）主要负责听，两位华人研究员坐在C位撑场，分别是曾就职于谷歌的研发小组N2Formal的吴宇怀（Yuhuai “Tony” Wu），以及多伦多大学计算机科学助理教授Jimmy Ba，他是“深度学习三巨头之一”、图灵奖得主辛顿的学生，曾在Meta担任研究员。

▲Jimmy Ba（左二）、吴宇怀（左三）、伊隆·马斯克（最右）

此次，xAI发布了Grok-3、Grok-3 mini，两个推理模型Grok-3 Reasoning和Grok-3 mini Reasoning，首个AI智能体DeepSearch。Grok-3在基准测试中击败了Gemini-2 Pro、DeepSeek-V3、Claude 3.5 Sonnet、GPT-4o。社交平台X的Premium Plus订阅用户在Grok的应用程序和网页端可以体验推理、编程，以及DeepSearch的搜索能力。

此外，xAI还开启了单独的会员订阅计划SuperGrok，SuperGrok的价格为每月30美元（折合约218人民币）或每年300美元（折合约2184人民币），可解锁额外的推理、DeepSearch查询，以及无限的图像生成功能。

OpenAI联合创始人、前特斯拉AI总监、知名计算机科学家李飞飞的爱徒安德烈·卡帕西（Andrej Karpathy）在推特发文评价Grok-3：“Grok-3+Thinking感觉与OpenAI最强大的模型o1-pro（每月200 美元）相当，略好于DeepSeek-R1和Gemini 2.0 Flash Thinking。”

▲AI大神卡帕西评价Grok-3的部分截图（图源：X，经谷歌翻译为中文）

万众期待的语音功能此次并未展示，马斯克透露，最快一周后Grok将获得“语音模式”。几周后，xAI将在企业API中提供Grok-3模型与DeepSearch功能。几个月后，xAI将开源Grok-2。

直播最后放出了Grok用马斯克声音对话的彩蛋～

//oss.zhidx.com/uploads/2025/02/67b423ef8997c_67b423ef847f1_67b423ef847b6_705_1739858846.mp4

一、Grok-3现场思考卡壳，水平与本科毕业生相当，2年内要上火箭

现场演示环节中，Grok被考验了两个任务，一是现场设计了一条往返地球与火星间的合理路径，并用动画呈现，二是设计一款类似俄罗斯方块的消消乐游戏。在演示中Grok“思考卡壳”，因为显示“Thinking Hard”后很长一段时间没有反应，等待几秒后演示人员关闭了页面开启下一话题。

之后演示人员又回到思考页面，分析了Grok的生成结果。

首先是其现场设计的一条往返地球与火星间的合理路径。提示词是“制作从地球降落在火星，然后在下一个发射窗口返回地球的发射动画三维图表并生成代码”。不过，测试人员在Grok-3 mini解决问题的过程中打断了它，并切换到了能力更强大的满血版Grok-3。

114秒后，Grok-3解决了这一问题，具有航空航天经验的马斯克现场评价道，Grok给出的解决方案基本正确，他还煞有介事宣称，2年内Grok将会接入SpaceX的火箭。在场的员工马上调侃，说马斯克“预言什么都是两年内”。

在设计一款类似俄罗斯方块的消消乐游戏时，Grok生成的代码在复制后即可运行。其提示词是“制作一个结合了俄罗斯方块和宝石的游戏，代码可能很长，将其输出为一个文件，让它变得非常棒”。最后游戏的运行机制比较合理。马斯克同时宣布，xAI将成立一个游戏工作室，使用AI进行游戏的开发工作。

Agent能力目前已经是各家大模型企业都在押注的方向，xAI也不例外。他们给模型配备了更多的工具，本次Grok-3已经具有Deep Search功能，xAI称其为初级Agent能力。

演示中，测试人员开启DeepSearch功能，让Grok-3预测SpaceX下一次火箭发射的时间。回答问题时，Grok-3既会给出思维链内容的总结，也会将完整思维链提供给用户。它的搜索范围十分广泛，从X平台上的内容到百科网站，再到美国政府的相关文件。

进行DeepSearch时，Grok-3还会充分考虑用户问题背后的意图、需求和目的，也会对信息来源进行交叉检验，从而给出更为准确的回答。

已经有抢先体验的用户在X发布了100%由Grok-3生成的游戏，用户只需要告诉它我想要什么，并将代码放在正确的位置，就可以得到一个完整的游戏。

//oss.zhidx.com/uploads/2025/02/67b42a4a9f56c_67b42a4a99504_67b42a4a994db_esvEg1EEGJbc-zUH.mp4

在内部，研究人员发现Grok已经可以解决许多复杂的工程问题，节省大量时间，水平大致相当于一名本科毕业生。而17个月前，Grok还很难解决高中数学问题。

二、20万块GPU力大砖飞，性能击败o3-mini high、DeepSeek-R1

直播演示中提到，Grok-3所涉及的训练量是Grok 2的10倍，这都建立在xAI孟菲斯的AI超级计算机集群之上。该集群建造的第一阶段，xAI在122天内建成了拥有10万块NVIDIA H100 GPU的超级计算集群，第二阶段拓展到20万块GPU集群仅用了92天。

基准测试结果显示，Grok-3在评估模型在数学问题样本上性能的AIME和使用博士水平的物理、生物学和化学问题测试模型GPQA、LCB Oct-Feb中击败Gemini-2 Pro、DeepSeek-V3、Claude 3.5 Sonnet、GPT-4o。

Grok-3的早期版本在Chatbot Arena中获得1400分，排名第一。Chatbot Arena是一项众包测试，让不同的AI模型相互竞争，并让用户对他们喜欢的回答进行投票。Grok-3也是有史以来第一个突破1400分的模型。

xAI发布的推理模型早期版本Grok-3 Reasoning Beta，在最新的数学基准测试AIME 2025中达到93分，在GPQA上达到85分，这超过了o3-mini的最佳版本o3-mini high以及DeepSeek-R1。

此外，用户还可以打开“Big Brain”模式让Grok进行额外、更仔细的推理。xAI将该模式描述为最适合数学、科学和代码相关问题的功能。马斯克还提到，他们隐藏了一些推理过程，以防止蒸馏。

对于开源，几个月后xAI将开源Grok-2。马斯克说：“我们的方法是当下一个版本完全发布时，将开源Grok的上一个版本，也就是当Grok-3成熟稳定时，我们将开源Grok-2。”

xAI认为预训练模型远远不够，真正的AI需要具备反思、第一性原理检验等能力。他们通过强化学习让Grok-3学会了上述能力，实现了训练和推理时的两种Scaling Law。

Grok团队成员还透露，Grok-3的语音交互功能是通过原生语音交互模型实现的，模型将能够直接理解用户语音，然后生成对应的语音回复，是一个端到端的过程，无需语音转文字、文字转语音作为中间环节。

马斯克称，未来他们将会进一步加大数据中心的建设力度，xAI的下一个计算集群会成为世界上最强大的集群，能耗达到1.2GW，相当于数十万户家庭1年的用电量。

三、基于合成数据训练，计划筹集约100亿美元资金

值得一提的是，这次直播马斯克又姗姗来迟，推迟18分钟开始，但最后X上xAI官方账号中的直播观看人数已经超过286万人次。刚下直播马斯克就马不停蹄转发、点赞科技播客顶流Lex Fridman、AI大神卡帕西等对Grok-3的赞美。

在Grok-3发布之前，马斯克就按耐不住在X上让Grok-3秀技能。

他让Grok仿照电影《指环王》中“戒指之诗”做了工程师版诗歌：“以lor’s ring诗句的风格介绍戒指的起源，指派工程师进行高级大模型搜索、代理、记忆、幽默的工作，使其接近原作”。

Grok生成的诗歌最后还有对专有名词的注释，与原著如何对应等。

法新社此前报道，Grok-3是在合成数据上接受训练的，并且能通过检查数据来反映它所犯的错误以达到逻辑一致性。

融资方面，上周，据媒体援引消息人士报道，xAI还正在接洽潜在投资者，计划筹集约100亿美元资金，此轮融资可能使该公司估值达到约750亿美元。去年12月，xAI宣布完成C轮融资，筹集了60亿美元。xAI总融资额已经达到120亿美元（约合人民币876亿元）。

结语：马斯克继续押注大算力AI

本次发布的Grok 3无论是在训练集群规模、用电量上都是首屈一指的，这也在一定程度上转化为了Grok 3在多个基准测试上的SOTA表现。根据马斯克在采访中的言论，未来xAI可能还会继续押注大算力AI这条发展路径。

不过，也有海外网友犀利的评价道，自DeepSeek-R1之后，我们只应考虑效率更高的进步，而不仅仅那些规模更大、且比竞争对手耗能更多的进步。