“地表最强”Grok 3震撼登场，马斯克演示却“小翻车”，网友调侃：加上擎天柱才是AGI！几个月后还将开源！

ndeB5Xk2zE

出品 | 51CTO技术栈（微信号：blog51cto）
编辑 | 伊风、言征
跳票多次！Grok 3终于来了！
此前，DeepSeek创造的破圈奇迹，把硅谷的大模型公司全部笼罩在阴影之下。
在Grok 3发布前，马斯克也是信心满满地放话出去：Grok 3将成为地表最强AI。
“我们有信心Grok 3会比其他任何AI都强，而且很有可能，再也不会有比Grok（系列）更强的AI了。”
上图：马斯克称Grok 3是地球最聪明的AI
从性能上看，Grok比起现在各家的最强基础模型，是有一定飞跃的。
图片
同时，既然要做地表最强，Grok 3肯定是要做思维链推理的。
在推理方面，Grok 3越过了最近才发的o3 mini，可以说是非常能打。
上图：Grok与其他模型在数学、科学、编码上的性能对比
不过，号称最强的Grok 3演示却翻车得很灾难。感觉没学到DeepSeek R1的聪明劲，反而学到了“服务器繁忙，稍后重试”。
在这个演示里，团队成员让Grok 3“使用 Pygame 制作一款融合了俄罗斯方块（Tetris）和宝石迷阵（Bejeweled）元素的游戏。代码可能会很长，请将代码输出为一个文件，并使其非常出色。（原Prompt翻译）”
或许是这个题目太难，直接给Grok 3干冒烟了。多次思考未果后就退出，演示的成员多次点击重试，最后停留在思考界面“切屏”了。
（视频做了二倍速处理）
         
不过好在，又过去一段时间后，Grok 3还是完成了该游戏的demo。
可以看到，AI正确理解了元素融合。游戏规则不再是一行就消除，而是几个相同颜色的色块碰到就能进行消除了。而且俄罗斯方块的色彩设计得很漂亮，可以称得上是出色的应用。

马斯克此前就看好AI游戏，在直播中他透露会搞一个AI游戏社区，由用户发布与Grok的共创作品。
另一个长思维链的“秀肌肉”展示。则是与“火星殖民”计划相关的，直接让Grok 3出一段符合开普勒定律的天体模拟demo，为发射到火星的飞行器规划轨迹。
可以看到下图模拟了太阳、以及围绕太阳公转的地球和火星，并模拟了一个飞行器的路线。


从这里看出，Grok 3能思考相当复杂的问题，能挑战需要更长推理时间的问题。
美中不足的是，其演示不是直接让我们看全程的推理，所以不确定有没有“移花接木”的存在。
令一个让人略感失望的事情，这次的模型发布也是期货：Grok 3需要在X上订阅，然后会陆续开放给X用户。估计这个等待期大概是一周左右。
而Grok 3的API则要再延迟数周上线。同时，几周后的更新还会给Grok上线一个语音版本，使其变成用户的个人助手。
另一个比较劲爆的消息是，马斯克在答复观众提问的环节中宣布：几个月以后将开源上一代Grok 2！
直播最后，马斯克宣布，他也要做AI搜索了！感觉这个领域已经成为必争之地了。
下面是Grok深度搜索的界面，据马斯克介绍说，自家产品的优势是在深度探索过程中，可以设计各种次任务（左侧栏），让整个搜索更加透明、结果更加可信。
图片
加了强推理之后，AI不止步于搜索，也能更好地做决策判断。
在演示中，马斯克让AI搜索信息，预测星舰下一次的发射日期。当星舰给出发射时间是2月24日或者更晚时，马斯克笑着说，差不多，可能是这样吧。
另外插播一个Drama的事情，GPT 4.5也即将发布。
今天一早，奥特曼就发推炒作了一把：

“尝试 GPT-4.5 对于那些高要求的测试者来说，比我预想的更像是一次“感受到 AGI”（通用人工智能）的时刻！”

还有人诱惑奥特曼赶在Grok发布之前用GPT 4.5截胡，奥特曼回复：这不太好吧。。。
图片
有传言称，OpenAI的团队（包括奥特曼在内），会聚在一起观看Grok 3，然后再决定是否要推4.5出来。
那么，你认为Grok这波能炸出GPT 4.5吗？让我们详细看看“地表最强AI”的性能再下结论吧！
1.模型新霸主：性能、推理都登顶

Grok 3 的计算量比之前的初始模型高出大约十倍。于今年1 月才正式完成了预训练。
这样大的训练量使得Grok 3摘得了大模型的王冠。
不只是性能方面的全面领先。
图片
xAI团队还给 Grok 3 进行了多维度的评估，包括数学推理、科学常识以及计算机科学编程。
这次使用了美国数学邀请赛（AIME）2025的“新题”，可以看到Grok 3在各个领域的表现都极为出色。
图片
除了在基准测试中的领先，在实际应用中也有亮眼的成绩。
xAI团队对Grok 3启动了盲测，代号为“热巧克力”，在名为 Chaartrina 的平台上运行了两周。这个平台完全剥离了产品的外壳，只对这些 AI 语言模型本身进行纯粹的比较。用户提交问题后，会看到两个回答，但不知道这些回答来自哪个模型，然后进行选择。
在盲测中，Grok 3 的表现非常出色，其综合评分达到了 1400 分，没有其他模型能达到这样的分数。
2.大手笔的训练：Grok 3的实力，来自马斯克的钞能力

Grok 3 的开发得益于其 Colossus 超级计算机的强大算力，该系统仅用了 8 个月就完成构建。
Colossus 由 100,000 块 Nvidia H100 GPU 提供支持（后又扩展一倍，增至200000块），为训练提供了 2 亿 GPU 小时——比其前代模型 Grok 2 多 10 倍。
图片
马斯克还在直播中爆料说，他们重构了整个数据中心，并率先实现了数据中心的液冷。为了给数据中心供能、节能，xAI的团队重新设计了一个新的能源设计算法，最大程度地减少能耗。
这一计算资源的显著提升，使 Grok 3 能够更高效地处理大规模数据集，从而缩短训练时间并提高准确性。
在具体的训练技术上，Grok 3有这几个重点：

• 合成数据集（Synthetic Datasets）——以人工生成的数据集为重点，而非从真实世界收集的数据。这些数据集可以模拟各种场景，确保数据的多样性和可控性，从而提高学习效率，并在一定程度上解决数据隐私问题。
  
• 人类反馈循环（Human Feedback Loops）：由人工审核并提供反馈，帮助 AI 持续优化回答的准确性和相关性。
  
• 自我纠错机制（Self-Correction Mechanisms）——这是一种 AI 技术，使模型能够识别并纠正自身错误。通过评估其输出结果，并与已知的正确答案进行比较，模型可以不断优化自身回答，减少错误，提高准确性。
  

因此，Grok 3是能持续进化的模型，就像马斯克在直播中说“目前，每天都在更新这个模型”。
图片
有网友看罢惊呼：擎天柱加持Grok-3，AGI感觉真的要来了！
3.写在最后：开源、发GPT4.5，OpenAI来势汹汹

Grok 3 多次跳票，终于以第一名的头衔回归。
Grok 3的算力消耗达到了DeepSeek V3的几百倍之多。这也提醒我们，在DeepSeek创造的低成本奇迹之后，基础模型的规模和算力竞争仍在继续。
为了训练，xAI 进一步加大算力投入。据报道，马斯克正为 xAI 筹集资金，以购买更多的 Nvidia GPU。最新消息是，xAI 正在进行新一轮约 100 亿美元（730 亿元人民币） 的融资，使公司估值达到约 750 亿美元（5440 亿元人民币）。这个数值已经接近OpenAI估值的一半。
现在，马斯克的地表最强AI名副其实，Grok 3 在训练上的疯狂投入，使其在 AI 领域的竞争力再次攀升。
有趣的是，要和“CloseAI”打擂台的Grok，最初是以开源形象亮相的。然而在Grok-1.5 以后，Grok就转变为了完全的闭源模型。
直到DeepSeek广泛出圈，马斯克才旧事重提，宣布Grok 2几个月后将开源!
无独有偶，马斯克的老冤家——曾在DeepSeek爆红后表示“站在开闭源错误一端”的奥特曼，也重新提起了开源项目这一茬。
「对于我们的下一个开源项目，我们应当选择开发一个虽然体积小但仍然需要借助 GPU 运行的 o3 mini 层级模型,还是应当致力于开发一个尺寸适合手机且表现最佳的模型呢?」
此外，Altman 还发起了投票。截至发稿前，端侧模型的投票率大幅领先，相比于o3 mini 的开源,显然高赞评论的网友更希望开源GPT-4。
图片
Altman 曾在本月初公开承认OpenAl的闭源策略站在了历史错误的一边。不仅让人感慨AI圈的时间流速之快。
在如此高强度的竞争之下，我们不禁要问：GPT 4.5发布在即，Grok的王冠又能维持多久呢？
参考链接：
1.https://www.forbes.com/sites/larsdaniel/2025/02/16/elon-musks-scary-smart-grok-3-release--what-you-need-to-know/
2.https://www.ndtv.com/world-news/all-you-need-to-know-about-xai-chatbot-grok-3-releasing-today-7730644