反超 DeepSeek？马斯克「钞能力」砸出来的 Grok 3 终于上线了

20 万张 GPU 颠覆 AI 格局。

作者丨郑佳美

编辑丨马晓宁

2 月 16 号，马斯克在 X 上发布了一条自家 Grok 3 模型的发布预告。

并配文“地球上最聪明的 AI”要来了。

北京时间 2025 年 2 月 18 日中午，马斯克如约带领着 xAI 的工程师和研究团队开启了 Grok 3 的首发直播。

这次发布会主要分为三个部分，介绍了 Grok 3 在训练上比 Grok 2 多投入了 10 倍的计算资源，解锁了更强大的计算能力，展示了基于 Grok 3 的 AI Agent，展现了 xAI 团队在自主智能体领域的最新进展。

1

各项能力一骑绝尘

“我们非常高兴能够推出 Grok3，我们认为，在很短的时间内，它的功能比 Grok2 强大一个数量级。这要归功于一支不可思议的团队的辛勤工作，我很荣幸能与这样一支优秀的团队合作。”马斯克在发布会上说道。

马斯克还透露，Grok 3 由 Colossus 超级计算机训练完成，这台计算机是在短短八个月内建成的，搭载了 10 万颗英伟达 H100 GPU，提供了超过 2 亿 GPU 小时的计算资源——是 Grok 2 的10倍。

据 xAI 团队介绍，xAI 最开始搭建这个 10 万 GPU 集群用了 122 天，后续拓展到 20 万 GPU 集群仅用了 92 天。显著的算力提升让 Grok 3 能够更高效地处理庞大数据集，缩短训练时间。

随即他们便晒出了一组和 ChatGPT 的数据对比图，并表示虽然 Grok 起步较晚，但在 MMLU 得分上以超快地速度追上了 ChatGPT。

并且 Grok3 在 LMSYS（大模型竞技场）中的排名也是一骑绝尘。

其中 Grok-3 和 Grok-3 mini 在多方面性能上都超过或媲美 Gemini、DeepSeek 和 ChatGPT 等对手。

发布会列出的数据显示，Grok-3 和 Grok-3 mini 在数学、科学和编程的基准测试中，表现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 这两个版本，则凭借强大的推理能力，超越了像 DeepSeek-R1 和 OpenAI o3 mini 等推理模型。

此外，xAI团队还现场演示了一个任务，要求Grok-3在现场生成一段关于太空发射的3D动画代码。在大约两分钟的思考后，Grok 3生成了可直接运行的Python代码，成功展示了可以运行的3D动画。

除此之外团队还要求 Gork-3 制作一款类似于俄罗斯方块和宝石迷阵的游戏。在Grok-3 思考了数分钟后，给出了答案。

最后，xAI 团队演示了一个全新的产品，基于 Grok 3 的搜索引擎 —— DeepSearch 。

它不仅能够搜索网页并查找现有资料，还能“推测用户的真实意图”并进行思考。通过交叉对比多个信息源，它能够确保“返回最准确的答案”。

2

Grok 3 搅动 AI 大模型格局

直播结束后，不少网友纷纷发声。

AI 大牛卡帕西总结了一下自己的“先行版”使用体验：

首先 Grok 3 的“思考”功能非常先进，能够出色地解决复杂问题，如创建《卡坦岛》风格的棋盘游戏网页。相比之下，其他顶级模型（如 DeepSeek-R1、Gemini 2.0 Flash Thinking、Claude）未能解决相同问题。除此之外，Grok 3 也能尝试解决如黎曼假设等难题。

其次 Grok 3还具备类似“深度研究”的搜索功能，能够提供高质量的研究问题答案。例如，它能够回答 Apple 新品发布、Palantir 股价上涨等问题。但在某些情况下，它会错误地产生幻觉（如错误的URL或不准确的事实）。

最后在测试一些简单的“陷阱”问题时，Grok 3 表现良好，能够正确回答一些逻辑谜题。但在幽默和道德问题方面，它仍然存在一些问题，如生成重复笑话和对复杂伦理问题过于敏感等。

但总的来说 Grok 3 整体表现接近 OpenAI 的 o1-pro 模型，并略优于 DeepSeek-R1 和 Gemini 2.0 Flash Thinking。

Imarena.ai 官方更是在经过测试后发文称：

Grok-3 是首个突破 1400 分的模型，在所有类别中排名第一，这是一个越来越难以实现的里程碑。

更有网友直呼：Grok 3 可能是现实世界中在物理层面处理得最好的基础大语言模型了！

当然也有网友在测试之后，认为 Grok 3 在编程方面并不是很擅长。

值得一提的是，Grok 3 第一批获得访问权限的人将首先从 X 上的 Premium+ 订阅者开始，而普通用户何时能用上，他们也并不清楚。

但基于网友们对 Grok 3 褒贬不一的评价，不禁让人好奇，这被 “钞能力” 风风火火砸出来的的 “no.1” 在权限全面放开之后会不会口碑两极反转，亦或是依旧好评如潮，稳坐 AI 大模型王座？

时间还早，让子弹再飞一会。

参考链接：https://x.com/i/broadcasts/1gqGvjeBljOGB?t=SX_aTsBoXc07lfSR_Aw8AQ&s=09

更多内容，点击下方关注：

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。

为什么中国只有一个 DeepSeek？

谁将替代 Transformer？

Andrej Karpathy 最新视频盛赞 DeepSeek：R1 正在发现人类思考的逻辑并进行复现