馬斯克「地表最強」Grok 3炸場，競技場首超1400分
編輯部 發自 凹非寺
量子位 | 公眾號 QbitAI
剛剛，馬斯克xAI的Grok 3終於亮相（超300萬人次圍觀）！
一出道即巔峰，競技場（lmarena.ai）官方給出了這樣的評價：
Grok 3是首個突破1400分的模型，並且在所有類別中排名第一。
而且，Grok 3還是首個在10萬張（後擴展到20萬）H100集群上訓練出的模型。
在發佈預告消息的時候，馬斯克就對Grok 3大力誇讚，稱其是「地球上最聰明的AI」。
發佈之前，大神Karpathy獲得了搶先體驗資格，玩了兩個小時之後髮長文詳述了自己的感受。
Karpathy認為，Grok-3的思考能力達到了SOTA，推理水平和o1-pro差不多，略好於DeepSeek R1和Gemini的推理模型。
如果考慮到Grok 3是一年前從頭開始訓練的，取得這樣的成績屬實不可思議。
並且對於數字母、小數比大小這些經典大模型「難題」，Grok 3在開啟推理之後也都正確解決。
不過也人質疑Grok的地位，有一位仿冒老黃的網民說，Grok 3即便真的是最強，也最多隻能強一週。
加上OpenAI也劇透了下一代GPT計劃，馬斯克和奧特曼的另一場Twitter大戰就要爆發了。
奧特曼昨晚也發推稱，GPT-4.5的測試讓他感受到了比預期更強烈的「feel the AGI」的感覺。
還有網民到評論區起鬨，讓他在早上截胡馬斯克，直播發佈GPT-4.5。
言歸正傳，我們來看直播都講了什麼。
20萬張H100，訓出最強模型
這次直播一共有四人參與，除了馬斯克之外，較為醒目的就是坐在C位的兩位華人，他們都是xAI創始成員。
二人從左至右分別是：
-
Jimmy Ba，2023年史隆獎得主，Hinton手下的助理教授，本科到博士都在多倫多大學。
-
吳宇懷Yuhuai（Tony） Wu，史丹福大學博士後，博士畢業於多倫多大學。
而最左邊的則是Igor Babuschkin，是xAI的一位工程師。
四人先是介紹了Grok 3的訓練歷程。
去年馬斯克劇透，Grok 3在10萬張H100上進行訓練，是首個達到如此訓練集群規模的模型。
當時就有網民稱這簡直是神經網絡的超級工廠。
今天的發佈會上又透露，到訓練進行到第92天時，集群規模擴展到了20萬卡。
如此強大算力，xAI也是緊跟潮流在Grok 3中推出了思維鏈推理能力。
在此前杜拜的一場峰會上，馬斯克高調宣稱：
Grok 3具有強大推理能力，聰明程度超越目前所有已知模型。
這一波Grok 3有滿血和mini兩個版本，在數學、科學、代碼等數據集上表現均超過了GPT-4o、DeepSeek-V3等非推理模型。
並且Grok 3早期還化名「巧克力」打榜LMSYS，一舉奪魁併成為唯一一個得分超1400的模型。
在Grok 3和mini的基礎之上，xAI團隊還打造了兩款推理模型。
其中基於mini的推理模型（Grok 3 mini Reasoning）已經比較成熟，而基於滿血版的推理模型（Grok 3 Reasoning Beta）還處在Beta階段。
介紹成績之前，四人用馬斯克的帳號先讓Grok跑了兩個案例，分別和物理學以及遊戲相關。
生成一段代碼，為從地球降落在火星，然後在下一個發射窗口返回地球的發射繪製三維動畫圖表。
生成的過程中，有人開玩笑說什麼時候能把Grok裝到SpaceX的火箭上，馬斯克也回應說可能再過2年。
馬斯克還表示，如果一切順利，SpaceX將在大約2025年11月左右，也就是下一個地球-火星轉移窗口期，用星艦把擎天柱機器人送上火星。
說回Grok，在考慮了開普勒定律並將其轉化為代碼之後，最終生成了可以繪製出這樣的動畫的代碼：
第二個問題開啟了Big Brain模式，會讓模型用更多的計算資源去做更多的思考。
題目要求則是使用pygame組件，設計一款遊戲，把俄羅斯方塊和寶石迷陣縫合到一起。
同時還提示代碼可能會很長，需要保存到一個文件當中，並且要「insanely great」。
而Grok 3也不負眾望，把這兩款遊戲成功結合，並介紹了合體版遊戲的特點：
運行起來是醬嬸兒的，既有俄羅斯方塊的消除機制，又根據寶石迷陣的特點調整成了三個方塊消除一次。
再來看跑分結果，在數學、科學和代碼任務中，兩者都取得了不俗的成績。
並且如果讓他們「多思考」（柱狀圖上方淺色部分）之後，表現超越了DeepSeek-R1和高配版o3-mini。
不過，目前很多模型都在Benchmark上出現了「過擬合」的現象，那麼Grok 3的實際表現究竟咋樣呢？
研發團隊讓它們挑戰了今年AIME 2025競賽的試題，結果Grok-3 Reasoning Beta和mini Reasoning分別取得了93和90分的成績，力壓其他推理模型。
除了Grok 3預訓練模型和兩個推理模型之外，這次xAI團隊還發佈了一個AI Agent，叫做DeepSearch。
這個功能可以看做是xAI對OpenAI、Google等陸續推出的Deep Research功能的對標。
簡而言之，DeepSearch通過掃瞄互聯網和X來分析信息，並提供摘要來回答問題。
至於權限方面，X的Premium+用戶今日起可以體驗Grok 3。
獨立APP上，則需要訂閱SuperGrok——30美元/月或300美元/年。
發佈過程一波三折，語音模式推遲上線
而縱觀Grok 3問世的整個過程，也可謂是一波三折。
去年8月，馬斯克接受知名訪談博主Lex Fridman採訪時曾說過，Grok 3在有望當年年底發佈。
結果一直到今年1月19號，第一個測試實例才終於被公佈，實際發佈更是拖到了現在。
並且就在發佈前的週末，xAI團隊還在對Grok 3進行緊急打磨。
xAI員工也現身說法，週日晚11:30（香港時間週一下午3:30，也就是發佈前不到24小時）發帖表示還在熬夜趕工。
甚至到了發佈會前一個半小時，馬斯克突然宣佈原本打算發佈的語音功能需要延期。
馬斯克發推稱，語音模式還有些不穩定，需要推遲到一週之後。
現場QA環節也有網民提問具體發佈時間，團隊的回答是「很快會上線一個早期版本，然後逐步迭代」。
不過，同屬馬斯克旗下的Neuralink高管Shivon Zilis曾體驗過1個小時的Ara，並在香港時間今早發佈了她的體驗感受。
Shivon表示，那是她一生中最意外、最有意義的時刻之一。
她和Ara聊了生物學、量子糾纏等話題，還讓Ara出題檢驗她的學習效果。
結果Shivon只答對了一半的問題，但Ava非常耐性地向她解釋了其餘的問題，而且並不會嫌問題問得過於愚蠢。
當時還有人在評論區追問，Ara是語音版本嗎，Shivon給出了肯定的回答。
尋求100億美元新融資，還要進軍遊戲
事實上，老馬選擇此時發佈Grok 3難免有一點微妙。
就在上週五，彭博社爆料xAI正尋求一輪約100億美元的新融資，公司估值達到約750億美元（5454.6億元人民幣）。
現有投資者包括紅杉資本、Andreessen Horowitz以及Valor Equity Partners，正在洽談參與此次融資。
由於還沒有最終敲定，新模型的發佈大概率將對本輪融資產生一定影響。
一旦上述消息得到確認，顯然xAI的融資速度實在有點驚人了。
去年12月底，這家公司才剛完成了一輪60億美元的C輪融資，當時公司估值510億美元。
短短不到兩個月，公司估值直接漲了約47%。而且再往前推，從B輪到C輪的融資，更是實現了半年內估值翻倍。
可以說，僅成立不到兩年的xAI，已經成長為OpenAI的強大對手。
而有了充足資金的xAI，除了繼續發展模型，也官宣了其他方向——
押注遊戲領域，成立AI遊戲工作室。
這一消息最早在去年11月老馬就透露了，當時他「抽水」「過多遊戲工作室掌握在大型企業手中」。
這下，老馬的商業版圖又將擴展了。
One More Thing
就在Grok 3發佈前幾日，還有一件非常抓馬的事引起熱議。
一位xAI工程師（現在是前員工了）公開發帖將Grok 3與其他幾個競品的代碼能力進行了對比。
雖然清晰標註了這是個人觀點，但顯然他將自家模型Grok 3排在第4位（前三名都是OpenAI模型）的做法還是惹來了爭議。
隨後該員工爆料稱，公司要求他要麼刪帖，要麼被解僱，理由是這條帖子暴露了Grok 3的存在。
一聽這話，小哥覺得有點扯，畢竟Grok 3大家早就知道了，而且還甩出了馬斯克之前的發言截圖。
面對著xAI的這波小心眼，小哥也直接不慣著，帶著一篇洋洋灑灑的小作文，決定辭職了。
我會保持我的言辭和尊嚴，找另一份工作，或者自己創業。回頭見。
對於這件事，老馬後來也回應了「這很奇怪」，但後續沒有更多動作傳出。
更戲劇的是，由於對薪金支付產生爭議，小哥後來再次公開發帖艾特老馬：
請做正確的事。
不過，雖然已經「分手」，但參與了Grok 3語音模式的小哥還是不計前嫌，多次幫忙宣傳Grok 3。
並且今天老馬宣佈延期的語音模式，也是這位小哥所在團隊的工作成果，即便已經離職，小哥依然對這項工作感到自豪。
話說回來，你覺得這次的Grok 3如何？等到下一代GPT發佈之後，老馬還能繼續保持領先嗎？
參考鏈接：
[1]https://x.com/i/broadcasts/1gqGvjeBljOGB
[2]https://x.com/karpathy/status/1891720635363254772
[3]https://x.com/shivon/status/1891587630854209768
[4]https://x.com/hyhieu226/status/1891390812795146746
