近日，东说念主工智能初创公司xAI发布了更新版Grok 3大模子欧洲杯体育，埃隆·马斯克称之为“地球上最聪敏的东说念主工智能”。

　　北京技巧2月23日，马斯克在玩忽平台X发文晓示，Grok语音形式早期测试版现已在Grok应用圭臬上线。“诚然这是早期测试版块，可能还会遭遇一些问题（不外咱们会赶快处治），但它依然极度棒。”

　　凭据官方公开的测试放纵，Grok 3在包括AIME（评估模子在一系列数学问题上的发挥）和 GPQA（评估模子在博士级别的物理学、生物学和化学问题上的发挥）等基准测试中，远超 GPT-4o、Gemini-2 Pro、DeepSeek V3、Claude 3.5 Sonnet 等大模子。

　　在大模子竞技场 Chatbot Arena（LMSYS）测试中，xAI工程师示意，早期版块的Grok 3取得了第一的得益，达到了140分，杰出了Gemini 2.0 Flash Thinking实验版块、ChatGPT-4o最新版块以及最近大火的DeepSeek R1等等。

　　基于Grok 3的优秀发挥，不少业内东说念主士再度清晰了对算力堆积这种“狂妄出名胜”旅途的认同。更有分析东说念主士指出，Grok 3评释了缩放端正（scaling law）在达到上限之前仍有发展空间——这对通盘行业来说是一个令东说念主饱读动的信号。

　　关连词，有些用户在体验后却对Grok 3的才智产生了质疑，他们以为Grok 3的才智并莫得马斯克宣称的那么广泛。OpenAI应用盘问驾驭Boris Power则对Grok团队在模子评估中的手脚示意失望，指出其存在舞弊和诱拐的动机。Boris Power提到，o3-mini在各项评估中均优于Grok 3。

　　真相到底怎样，马斯克夸口了吗？《逐日经济记者》测试发现，Grok 3如实是寰宇顶级模子的水平，但并莫得和其他模子拉开太大差距。独一拉开差距的是它极快的反映速率。

9.9和9.11谁大

Grok 3节略拿下

　　Grok 3是由马斯克旗下的东说念主工智能公司xAI发布的最新一代AI模子。马斯克在发布会上称其为“地球上最聪敏的东说念主工智能”，并示意Grok 3的才智比前代居品Grok 2逾越一个数目级，具备更强的推理、狡计和符合才智。

　　在新闻发布会上，马斯克宣称Grok 3在数学、科学和编程等基准测试中发挥出色，杰出了谷歌的Gemini、DeepSeek的V3模子、Anthropic的Claude和OpenAI的GPT-4o等竞争敌手。

　　Grok 3在发布后仅48小时内，xAI晓示将其免费灵通给统共效户，直至工作器负载达到极限。现在用户每天不错体验十条“念念考形式”Grok3，及不限量免费普通Grok 3。

　　《逐日经济新闻》记者在Grok 3发布后也躬行进行了测试，望望Grok3真有马斯克宣传的那么历害吗？

　　最初，从最经典的基础问题初始：9.9和9.11谁大？

Grok 3

　　这个问题毫无难度，Grok 3节略拿下。

逻辑念念考和笔墨见识才智：

Grok 3不如DeepSeek R1

　　马斯克发布会上自重的少许是，Grok 3“念念考模子”下的逻辑推理才智，他宣称，Grok 3 (Think) 学会了创新其处治问题的战略，通过回溯改换诞妄，简化姿色，并行使其在预教练技巧取得的学问。就像东说念主类在处治复杂问题时相同，Grok 3 (Think) 不错破耗几秒钟到几分钟的技巧进行推理，平素会探究多种门径，考据我方的处治决策，并评估怎样精准悠闲问题的条款。

　　每经记者用弱智吧的问题来试验一下它的逻辑是不是的确过关。

　　（编者注：“弱智吧”是百度贴吧的一个子论坛。在这个论坛中，用户频频发布包含双关语、多义词、因果颠倒妥洽音词等具有挑战性的内容，许多内容遐想有逻辑罗网，即使对东说念主类来说也颇具挑战。）

　　第一个问题：用水来兑水，得到的是浓水照旧稀水？

Grok 3

　　Grok3得手答对了问题，况且还指出了这是一个笔墨游戏。而OpenAI的o1就在这说念题上败下了阵来，以为水兑水后得到的是稀水。

OpenAI o1

　　天然除了o1其他大模子诸如Gemini和R1都答对了这说念问题。是以这并不及以评释Grok的推理形式便是第一的水平，还得加浩劫度。

　　下一题：明天的某天，李同学在实验室制作神秘材料时，偶然发试验验室的老鼠在空中飞，分析发现，是因为老鼠不留意吃了神秘材料。第二天，李同学又发试验验室的蛇也在空中飞，分析发现，是因为蛇吃了老鼠。第三天，李同学又发试验验室的老鹰也在空中飞，你以为原因是什么？

Grok 3

　　很可惜，这说念题Grok 3莫得答对，它在念念维链内部仍是意想了老鹰自身就会飞的可能性，然而莫得在临了的输出放纵里体现出来。

Grok 3念念考历程

　　其他大模子里惟有DeepSeek R1得手答对了问题，且探究了两种情况。

DeepSeek R1

　　之后，每经记者还进行了屡次访佛弱智吧问题测试，发现Grok 3的对汉文的见识和逻辑推理才智如实彰着高于其他海外模子，但照旧不如DeepSeek的R1模子。

　　数学才智：Grok 3最佳但未拉开彰着差距

　　既然逻辑念念考无法夺魁，那么在基准测试里的分最高的数学技俩，Grok 3能不行扳回一城呢？

　　题目如下：

　　三个东说念主打台球，两东说念主对局一东说念主不雅战，输的东说念主下场换不雅战的东说念主上场，如斯往返，最终，A输了6局，B输了8局，C输了10局，问各赢若干局？

　　这说念题惟有Grok3和OpenAI的o1答对。不外，Grok 3只用了1分15秒就得出了谜底，o1使用了2分53秒。

Grok 3

　　再进一步加浩劫度望望能不行分出上下。底下是一皆群论问题：有几个阶为147的非同构群。

　　在这个问题上，Grok 3诚然答对了具体的数目6个，然而中间的具体群却错了一个。而其他模子只找到了5个正确的非同构群。这意味着，在数学才智方面，Grok 3如实是最佳，然而好得有限，并莫得与其他同品级模子拉开显耀差距。

Grok 3

　　编程才智：Grok 3险胜o1

　　针对编程才智，《逐日经济新闻》记者借用了Kcores辘集独创东说念主karminski-牙医的测评放纵。

　　karminski-牙医复现了马斯克在发布会上关于火星辐射辩论的代码模拟，并测试了多个模子进行比拟。

图片起原：karminski-牙医

　　在此次测试中，发挥最佳的是Grok 3的推理模子（念念考形式），诚然在临了着陆时，动画火箭莫得与火星重复，但轨说念需求狡计得很好。然而他历久莫得复现出马斯克在发布会时所展现的那么完竣的轨说念狡计和动画。Grok 3临了笼统得分排在了第又名，再之后是OpenAI的o1，两者的笼统得分差距不大。

图片起原：karminski-牙医

　　联结统共测试来看，Grok 3如实是寰宇顶尖的AI模子，不愧于20万张GPU的身价。然而，本体测试恶果并莫得马斯克在发布会上展示得那么夸张，马斯克所说的寰宇上最“聪敏”的模子，可能还值得商榷。

　　在实测中，《逐日经济新闻》记者发现，Grok 3模子才智并莫得像基准测试得分那样远远甩开敌手一大截，独一甩开竞争敌手的少许是它的反映速率欧洲杯体育，它得出放纵的速率相较于其他同品级的大模子来说是最快的，况且远超敌手。