每经记者 岳楚鹏    每经裁剪 高涵    开云kaiyun体育

　　近日，东谈主工智能初创公司xAI（马斯克建树的东谈主工智能公司）发布了更新版Grok 3（模子名）大模子，埃隆·马斯克称之为“地球上最智谋的东谈主工智能”。

　　阐述官方公开的测试杀青，Grok 3在包括AIME（好意思国数学邀请赛）和 GPQA（议论生水平的群众推理）等基准测试中，领略远超GPT-4o（模子名）、Gemini-2Pro（模子名）、DeepSeek V3（模子名）、Claude 3.5 Sonnet（模子名）等。

　　在大模子竞技场Chatbot Arena（一个通过东谈主类评估东谈主工智能的开源平台）测试中，xAI工程师示意，早期版块的Grok 3获取了第一的收获，达到了140分，独特了Gemini 2.0 Flash Thinking（模子名）实验版块、GPT-4o最新版块以及最近大火的DeepSeek-R1（模子名，以下简称R1）等。

　　然则，有些用户在体验后却对Grok 3的身手产生了质疑，他们合计Grok 3的身手并莫得马斯克宣称的那么宏大。OpenAI（一家绽放东谈主工智能议论和部署公司）应用议论阁下Boris Power（东谈主名）则对Grok团队在模子评估中的行径示意失望，指出其存在舞弊和诱拐动机。Boris Power提到，o3mini（模子名）在各项评估中均优于Grok 3。

　　真相到底怎么，马斯克骄矜了吗？《逐日经济新闻》记者测试发现，Grok 3如实是寰宇顶级模子，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应速率。

　　平安拿下数字比大小

　　Grok 3是由马斯克旗下的东谈主工智能公司xAI发布的最新一代AI（东谈主工智能）模子。马斯克在发布会上称其为“地球上最智谋的东谈主工智能”，并示意Grok 3的身手比前代居品Grok 2提高一个数目级，具备更强的推理、蓄意和妥当身手。

　　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领略出色，独特了谷歌的Gemini、DeepSeek的V3模子、Anthropic（一家好意思国东谈主工智能企业）的Claude（模子名）和OpenAI的GPT-4o等竞争敌手。

　　Grok 3在发布后仅48小时内，xAI晓喻将其免费绽放给扫数效户，直至工作器负载达到极限。现在用户每天不错体验十条“想考模式”Grok 3及不限量免费通常Grok 3。

　　《逐日经济新闻》记者在Grok 3发布后也亲身进行了测试，望望Grok 3是否真有马斯克宣传的那么利弊。

　　领先，从最经典的基础问题启动：9.9和9.11谁大？

　　这个问题毫无难度，Grok 3平安拿下。

　　逻辑想考身手并不凸起

　　马斯克在发布会上傲气的少量是，Grok 3“想考模子”下的逻辑推理身手。他宣称，Grok 3（想考模式）学会了革命其管制问题的计策，通过回溯检阅时弊，简化门径，并诈骗其在预教练期间获取的常识。就像东谈主类在管制复杂问题时一样，Grok 3（想考模式）不错滥用几秒钟到几分钟的时候进行推理，平凡会计议多种圭表，考证我方的管制决议，并评估怎么精确险恶问题的条目。

　　记者用弱智吧的问题来考研一下它的逻辑是不是确切过关。“弱智吧”是百度贴吧的一个子论坛。在这个论坛中，用户频繁发布包含双关语、多义词、因果荒谬和洽音词等具有挑战性的内容，许多内容假想有逻辑罗网，即使对东谈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答对了问题，况且还指出这是一个笔墨游戏。而OpenAI的o1就在这谈题上败下阵来，合计水兑水后得到的是稀水。天然除了o1，其他大模子诸如Gemini和R1皆答对了这谈问题。是以这并不及以解释Grok的推理模式等于第一的水平，还得加浩劫度。

　　下一题：曩昔的某天，李同学在实验室制作奥秘材料时，不测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奥秘材料。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，你合计原因是什么？

　　很可惜，这谈题Grok 3莫得答对，它在想维链内部依然意想了老鹰自己就会飞的可能性，但是莫得在临了的输出杀青里体现出来。其他大模子里惟有R1告捷答对了问题，且计议了两种情况。

　　记者还进行了屡次雷同问题的测试，发现Grok 3对中语的暴露和逻辑推理身手如实较着高于其他海外模子，但照旧不如R1。

　　数学身手未拉开差距

　　既然逻辑想考无法夺魁，那么在基准测试里分最高的数学方法，Grok 3能不行扳回一局呢？

　　题目如下：三个东谈主打台球，两东谈主对局一东谈主不雅战，输的东谈主下场换不雅战的东谈主上场，如斯来去，最终，A输了6局，B输了8局，C输了10局，问各赢几许局？

　　这谈题惟有Grok 3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。

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

　　在这个问题上，Grok 3天然答对了具体的数目6个，但是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，在数学身手方面，Grok 3如实是最佳的，但是好得有限，并莫得与其他同等第模子拉开显耀差距。

　　编程身手险胜o1

　　针对编程身手，《逐日经济新闻》记者借用了Kcores（公司名）蚁合独创东谈主karminski-牙医（网名）的测评杀青。

　　karminski-牙医复现了马斯克在发布会上关于火星辐射策动的代码模拟，并测试了多个模子进行相比。

　　在此次测试中，领略最佳的是Grok 3的推理模子（想考模式），天然在临了着陆时，动画火箭莫得与火星相似，但轨谈需求蓄意得很好。但是长期莫得复现出马斯克在发布会时所展现的那么竣工的轨谈蓄意和动画。Grok 3临了抽象得分排在了第一，再之后是OpenAI的o1，两者的抽象得分差距不大。

　　联结扫数测试来看，Grok 3如实是寰宇顶尖的AI模子，不愧于20万张GPU（图形处理器）的身价。但是，骨子测试后果并莫得马斯克在发布会上展示的那么夸张，马斯克所说的寰宇上最“智谋”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模子身手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量是它的反应速率，它得出杀青的速率相较于其他同等第的大模子来说是最快的。

海量资讯、精确解读，尽在新浪财经APP

包袱裁剪：王许宁 开云kaiyun体育