20万张GPU“烧出”地表最强 AI？马斯克的Grok 3超1400分登顶排行榜，OpenAI联合创始人：略强于 DeepSeek-R1

一度“跳票”的AI模型Grok 3终于迎来正式发布。

当地时间2月17日晚，马斯克旗下AI公司xAI发布了Grok 3及其精简版Grok 3 mini。发布会采用视频直播形式，观看人数超过100万人。

Grok 3是xAI对OpenAI的o3-mini和DeepSeek的R1等模型的回应，它可以分析图像和回答问题，并为X上的许多功能提供支持。前天马斯克就在X上造势称，Grok 3是“地球上最聪明的人工智能”。

图片来源：直播截图

在发布会上，马斯克和三位xAI的工程师一起演示了Grok 3的各种功能。马斯克在直播演示中声称，Grok 3在包括AIME（测试模式在数学问题上的表现）和GPQA（测试模型在博士级物理、生物和化学问题上的表现）在内的基准测试中击败了所有的市面上所有模型。

马斯克似乎也并非在打“诳语”。从AI基准测试开放平台lmarena.ai放出的截图看，测试数据显示，早期版本的Grok 3（代号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还是第一个获得超过1400分的模型。

然而，有用户在观看发布会后指出，Grok 3给出的关于《流放之路2》游戏的结论错误频出，另有用户测试发现，Grok 3在经典的多边形小球编程问题上也出现了错误。

OpenAI联合创始人Andrej Karpathy也在发布会后放出了自己的感想。他认为，就目前短暂上手的体验而言，Grok 3 + Thinking感觉与ChatGPT的o1-pro差不多，略好于DeepSeek-R1和谷歌的Gemini 2.0 Flash Thinking。

拿下Arena榜单第一！Grok 3是首个超1400分的模型

早在2024年7月，马斯克在与乔丹·彼得森的访谈节目时就表示，Grok 3预计将在2024年12月底发布。但到了年底，这个承诺并没有兑现，一度有人怀疑这只不过是马斯克无数个大饼中的其中一个，Grok 3或许遥遥无期。

不过，在上周的迪拜峰会上，马斯克却突然宣布，xAI将在一到两周内推出新一代AI模型Grok 3，而这个模型的强大程度，用他的话说，“强到让人感到害怕”。马斯克甚至预言这可能是“最后一次有AI比Grok更优秀”。

从xAI在直播中放出的基准测试结果来看，Grok 3在数学、科学和编程领域的表现大幅领先于市面上其他主流的AI模型。

在数学能力测试（AIME'24）中，Grok 3获得52分，明显超过DeepSeek-V3的39分和GPT-4o的9分；在科学知识评估（GPQA）中，Grok 3以75分的成绩领先，而DeepSeek-V3和GPT-4o的得分分别为65分和50分；在编程能力测试（LCB Oct-Feb）中，Grok 3同样以57分超过DeepSeek-V3的36分合GPT-4o的34分。

图片来源：xAI

在推理模型的比较中，Grok 3 Reasoning Beta也战胜了OpenAI的o3-mini、DeepSeek的R1和Gemini-2 Flash Thinking等推理模型。不过，演示团队表示允许Grok去进行更长时间的思考和推理。

图片来源：xAI

AI基准测试开放平台lmarena.ai也爆出猛料，最新测试数据显示，早期版本的Grok 3（代号chocolate）在经过约8000次投票后，在Arena排行榜上拿下第一。

图片来源：X

lmarena.ai称，Grok 3是第一个突破了1400分的模型，并且在所有分类中都排名第一，而这一里程碑以后会越来约难以实现。

图片来源：X

三个月数据中心容量翻倍至20万块GPU

和DeepSeek从技术层面对模型进行改进不同，马斯克的新模型还是属于“大力出奇迹”。

此前有新闻报道，马斯克组建了一个配有十万块H100 GPU的、世界上最大的超级计算机集群Colossus来帮助训练Grok模型。在此次直播中，马斯克透露，实际上，到训练进行到92天时，集群的规模已经扩大到了20万块GPU。

图片来源：xAI

也难怪有人说Grok 3是终极的Scaling Law测试了，是靠吞噬算力训练起来的怪物。

演示团队为了使大家更直观地了解Grok 3的强大之处，还演示了物理学和游戏的例子。

首先，要求Grok 3生成一段代码绘制从地球发射火箭，降落在火星，然后在下一个发射窗口返回地球的三维动画图表。这一任务涉及大量的数学和物理计算，极具挑战性。Grok 3很快生成了完整的动画，研究人员在检查后表示结果完全正确。

图片来源：xAI

之后，演示团队又要求Grok编写一个结合俄罗斯方块和宝石迷城的游戏，Grok也顺利完成了任务。

除了基本的模型能力之外，Grok 3也具备智能体功能。

xAI为Grok 3开发了一个类似于OpenAI的DeepSearch智能体。DeepSearch可以对互联网进行全面搜索，并为用户提供详尽的整合报告。马斯克表示，这可以省下你几十次谷歌搜索的时间，而公司将得到几十亿美元的回报。

OpenAI 联合创始人：Grok 3 + Thinking与o1-pro差不多，略好于DeepSeek-R1

在演示团队的展示中，Grok 3似乎无所不能，拳打OpenAI，脚踢Deepseek，已然站上世界AI模型的巅峰，但有些观看了演示和迫不及待体验了Grok 3的用户却发现了一些奇怪的问题。

在发布会中，为了演示DeepSearch功能，演示团队就马斯克最近在玩的游戏《流放之路2》询问了一个相关问题。有游戏博主看后表示，Grok 3给出的游戏结论错误频出，感觉不如马斯克宣称的那么聪明。

图片来源：哔哩哔哩

有专门直播该游戏的游戏博主也对《每日经济新闻》记者表示，Grok 3给出的答案没一个是对的，不如GPT。

另外，有用户体验了Grok 3的编程功能，随后也表示，Grok 3的编程能力并不是很强大。在经典的多边形小球编程问题上，Grok 3出现了错误。

图片来源：X

OpenAI联合创始人Andrej Karpathy作为为数不多的提前拿到测试资格的人，也在发布会后放出了自己的感想。他认为，就目前短暂上手的体验而言，Grok 3 + Thinking感觉与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显然有一个最先进的思维模型，并且在卡坦岛定居者问题上做得很好。很少有模型能够可靠做到这一点。顶级的OpenAI推理模型（如o1-pro，月订阅费为200美元）也能做到这一点，但DeepSeek-R1、Gemini 2.0 Flash Thinking和Claude的所有模型都没办法做到。

但Grok 3并没有解决“表情符号之谜”问题，即使以Rust代码的形式给出了有关如何解码它的强烈提示。而在这点上，Karpathy称其见过的最大进展来自DeepSeek-R1，它曾经部分解码了消息。

此外，Karpathy认为，DeepSearch大约等于Perplexity DeepResearch的产品，但还没有达到OpenAI最近发布的“深度研究”的水平。

不过，他同时也指出，考虑到xAI团队在大约在1年前从头开始，这是相当令人难以置信的，达到最先进领域的时间跨度是前所未有的。目前得出完整结论还为时过早，需要在在接下来的几天/几周内等待更多的评估。