在今年初春时节，人工智能领域的竞争再度升温，一场关于智能巅峰的较量悄然拉开序幕。今天中午，备受瞩目的“地球上最聪明的人工智能”——Grok 3，终于由马斯克亲自揭晓面纱。
这场发布会延续了马斯克一贯的风格，虽然预告十二点准时开始，但观众还是耐心等待了近二十分钟。在一个小时的直播中，马斯克携xAI团队全方位展示了Grok 3的强大实力。据官方数据显示，Grok 3在性能上超越了包括谷歌、OpenAI和DeepSeek在内的多家知名企业的顶尖模型。
这股热潮还催生了创意内容，有网友利用AI技术制作了一段奥特曼得知Grok 3发布后的反应视频，趣味十足。
国内外关于Grok 3的报道铺天盖地，诸如“首个突破1400分（在Imarena.ai竞技场的得分）的模型”、“首个十万卡集群训练出来的模型”等头衔让人眼前一亮。编辑部认为，尽管Grok 3尚未达到炸裂的程度，但从直播内容来看，它再次印证了AI领域“大力出奇迹”的规律。
目前，Grok 3仅对部分X平台的Premium+会员开放，我们暂未获得体验权限。不过，从发布会内容来看，Grok 3的表现确实令人瞩目。马斯克首先对比了Grok与GPT的模型迭代速度，针对性十足，似乎誓要一较高下。
值得注意的是，Grok 3实际上是一个模型家族，包括非推理模型和推理模型两大类。非推理模型方面，Grok 3和Grok 3 mini在AIME’24美国数学竞赛、GPQA（研究生水平科学知识问答能力的基准测试）和代码测试中，成绩远超其他模型。而Grok 3 mini虽然与其他模型相差无几，但可以通过牺牲部分准确性来换取更快的回答速度。
在Chatbot Arena的盲测中，Grok 3的早期版本“巧克力”以破纪录的1400分登上榜首，在整体风格控制、编码、数学和创意写作等多个方面均获得第一。而今天的最新版Grok 3性能或许更为强劲。
接下来，我们来看看Grok 3的推理模型。在OpenAI的o1系列、o3 mini和DeepSeek R1等推理模型激烈竞争的背景下，Grok 3 Reasoning Beta和Grok 3 mini Reasoning也应运而生。从纸面实力来看，它们依然保持着领先地位。不过，测试中加入了Test-Time Compute（给予模型更多思考时间），使得Grok 3的推理模型在思考时间越久时表现越好，这似乎预示着Grok具有随时间线性增长的思考质量，未来有望通过优化思考过程在更短时间内给出更优答案。
现场演示中，马斯克团队展示了Grok 3推理模型在2025年AIME数学竞赛上的测试结果，并通过生成3D动画代码和新游戏设计，进一步证明了其强大实力。这不禁让人联想到马斯克昨天证实的xAI将成立AI游戏工作室的消息，如果Grok 3的游戏制作能力如演示般强大，将对整个游戏圈产生深远影响。马斯克还透露，Grok 3未来两到三年内可能参与特斯拉生产和火箭发射过程。
最后，直播发布了基于Grok 3构建的Deepsearch智能搜索引擎，类似于Perplexity的Deep Research和OpenAI的同类产品。当询问下一次星舰发射时间时，左边显示进度条，右边则展示浏览的网页和验证的信源，最终得出2月24日的发射时间。
Grok 3之所以如此强大，离不开马斯克提及的仅用122天搭建的10万卡集群，以及后续扩展至20万卡集群的壮举。这一壮举似乎再次证明了算力在大模型领域的决定性作用。然而，将20万卡供养的Grok 3与对算力需求较低的DeepSeek V3相比，似乎有些不公。马斯克在迪拜峰会上提到，Grok 3经过合成数据训练，能够反思并纠正自身错误。
尽管Grok 3展示出了强大实力，但抢先体验的用户分享中也存在一些与宣传不符的测试案例。例如，某博主用同一组Prompt测试Grok 3、o3 mini和Claude 3.5 Sonnet时，Grok 3直接翻车。另一组测试中，o3 mini的表现也优于Grok 3和DeepSeek R1。甚至有细心网友指出发布会演示案例中的明显错误。
虽然我们没有亲自上手测试，但从外部实测案例来看，Grok 3似乎也没有宣传得那么神乎其神。Grok 3上线后，开源问题也成为关注焦点。马斯克表示，xAI通常在新模型发布后再开源旧模型，因此即便开源，也将是老版的Grok 2。看来，来自开源阵营的压力尚未对马斯克构成足够威胁，他的目标依然直指老对手OpenAI。至于已经在X平台上预告的GPT 4.5能否给马斯克带来“惊喜”，我们拭目以待。
