20萬卡吞金獸Grok 3炸裂登場，卡帕西大神親測：性能超過DeepSeek R1，網民：算力翻數倍，性能提升不到10%？

xAI 發佈 Grok 3 和 Grok 3-mini

在 AI 領域，埃隆·馬斯克再次成為全球焦點。2 月 12 日，這位科技狂人在杜拜世界政府峰會上透露，其旗下的人工智能公司 xAI 即將發佈新一代 AI 模型 Grok 3，並稱其為”迄今為止最強大的 AI 模型”。這一消息立即引發科技界強烈關注。

剛剛，Grok 3 連同 Grok 3 mini 如約而至。

發佈會一開始，馬斯克再次解釋了「Grok」一詞的含義。這個詞來自羅伯特·卡爾希恩萊因的小說《異鄉異客》。這個詞被一個在火星長大的角色使用，意思是充分而深刻地理解某事。「Grok」這個詞傳達了深刻的理解，而同理心是其中的重要組成部分。

馬斯克稱，Grok 3 之所以能在很短的時間內就超越 Grok 3，是因為背後有一支強大的技術團隊和數據中心支持。據 xAI 團隊介紹，要訓練出超級規模的模型就需要一個超級規模的數據中心做支持，所以他們先是花費了 122 天建成了 10 萬卡的數據中心。但隨後他們發現，這還遠遠不夠。於是他們又用了 92 天就將原來的 Colossus 規模從 10 萬卡擴建到 20 萬卡，並在此基礎上推出了 Grok 3。

Grok 3 最引人注目的特點將推理能力整合到了模型中。推理指的是模型在嘗試解決問題之前需要花費大量時間進行思考。大約一個月前，Grok 3 的預訓練完成了，從那時起，xAI 團隊一直在努力將推理能力整合到當前的 Grok 3 模型中。然而，這仍處於早期階段，模型仍在訓練中。

今天展示的是 Grok 3 推理模型的一部分。此外，xAI 也在訓練一個迷你版本的推理模型。Grok 3-mini 與 Grok 3 在推理上取得的結果相差不大，Grok 3-mini 訓練時間更長，有時它的表現甚至略優於 Grok 3 推理模型。這僅僅表明 Grok 3 推理模型具有巨大的潛力，因為它仍在訓練中。

在性能效果上，xAI 從數學、科學和編碼三個方面將 Grok 3、Grok 3 mini 與各主流模型進行了對比。綜合來看，Grok-3 推理模型測試版在數學、科學和編碼三個方面均表現優異，尤其是在編碼方面得分最高。Grok-3 mini 推理模型的表現也相當不錯，儘管略低於 Grok-3 推理模型測試版，但仍優於 OpenAI 的 o3-mini、o1、DeepSeek-R1 等其他主流模型。

今場發佈會，Grok 3 還引入了 DeepSearch，該公司將其描述為一種新型搜索引擎和類似 Agen 功能的早期版本。據 xAI 工程師介紹，DeepSearch 是 xAI 的第一代 Agent 工具，不但能幫助開發者、研究人員和科學家編寫代碼，實際上還能幫助每個人回答日常遇到的問題。

據馬斯克介紹，Grok 3 中支持兩種訂閱模式：X（Twitter）平台的 Premium+ 深度用戶和月費 30 美元 / 年費 300 美元的 SuperGrok。xAI 將在一週時間內在 Grok 3 中上線語音模式，數週後對企業用戶提供包含 DeepSearch 的 API 接入方案，並在幾個月後對 Grok 2 進行全面開源。

性能如何？

先來具體看看現在 Grok 3 的各項水平是怎樣的？

首先來明確一下 xAI 對其的使用場景目標，馬斯克在直播中表示，希望能夠使用 Grok 3 完成特別重要的現實任務，比如打造一台特斯拉、解決太空發射問題或者應用到數據中心。據其預測，「兩年之內會發生兩件事情：計算機在各方面打敗人類，幫助實現盧保級的科學數據突破。下一次重大突破在明年 11 月出現，我們會真正讓 SpaceX 登錄陸火星，應用 Grok 模型來去計算整個的發射過程。

同時，xAI 宣佈將成立一家 AI 遊戲工作室來製作遊戲。直播中，xAI 現場演示了用 Grok3 創造一個融合《俄羅斯方塊》和《寶石迷陣》的遊戲案例。

現在也已經有模型體驗者用 Grok 3 創建了遊戲：

給 Scaling Law 帶來什麼驚喜

此次 Grok 3 之所以在發佈前就吸引來如此多人的關注，一大原因之一是大家對 Scaling Law 當前真實效果的重視。現在越來越多的聲音稱「Scaling Law 終結了」，即大模型不再具有規模效應，增加參數數量、算力、訓練語料等更多資源或許也無法繼續增強模型的性能效果了。

發佈會上，xAI 團隊透露，Grok 3 背後有 20 萬張英偉達 GPU 、4 億個 GPU 小時的超強算力支持。

Grok 3由Colossus超級計算機訓練完成，最初 xAI 用了122天讓首批 10 萬卡集群投入使用，後續又花費 92 天拓展到20萬卡集群，較前代產品 Grok 2 使用的 15000 個 GPU 實現了數倍的跨越式提升。據公開介紹，OpenAI 訓練 GPT-4 用了大約 25000 塊 A100 GPU，據 Lambda 測算，H100 的訓練吞吐量為 A100 的 160%。也就是說，GPT 4 相當於用了 15625 塊 H100。

再對比近期大火的 DeepSeek，據公開論文介紹，DeepSeek-V3 的總訓練成本為 278.8 萬個 H800 GPU 小時。儘管另據獨立研究機構 SemiAnalysis 估計，「DeepSeek 擁有約 1 萬張 H800 和約 1 萬張 H100。此外，他們還大量訂購 H20 GPU」，但也遠不及 Grok 3 的訓練算力高。

因而，許多網民都將其這次發佈當做 Scaling Law 技術路線的又一次驗證，並且馬斯克在 2024 年中啟動 Grok 3 訓練時稱對標的是 GPT 5。

目前，Grok 3 暫未公佈其參數規模。微軟在近日發佈的一篇醫學相關論文中披露，GPT-4 有 1.76 萬億個參數，GPT-4o 和 GPT-4o-mini 的參數分別為 2000 億和 80 億。另據公開介紹，DeepSeek-V3 的參數規模達到 6710 億，但會使用混合專家架構以保證僅激活選定的參數，以便準確高效地處理給定任務。

接下來從性能效果上展開講講 Grok 3 到底怎麼樣。xAI 從數學、科學、編碼三方面去對比了 Grok 3 系列和當前熱門前沿模型，並在多個基準測試中都擊敗了其他競爭對手。

據介紹，在 Arena 中（這是一項眾包測試，讓不同的 AI 模型相互競爭，並讓用戶投票選出他們喜歡的答案），Grok-3 是有史以來第一個得分突破 1400 分的模型，並在所有類別中均排名第一。

而去年發佈的Grok 2模型在Arena 測試中得分為1280分。與Grok 2相比，Grok 3 早期版本的性能提升了近10%。

這樣來看，在大語言模型（LLM）領域，Scaling Laws 或許依然成立。

不過，Grok 3 不僅僅是 LLM，還引入了「思維鏈」（Chain Of Thought）推理能力。馬斯克稱，Grok 3 在複雜的推理任務中表現優於其競爭對手。據介紹，xAI 的最新模型 Grok 3在 2024 美國數學邀請考試（AIME）中取得了 93% 的驕人成績，將其他前沿模型甩在了身後。即使是其 mini 版，也足以與其他 AI 模型的能力相媲美。

值得注意的是，大約五天前，AIME 2025 競賽也結束了。隨後，xAI 團隊讓兩個模型（Grok 3 和 Grok 3 mini）在同一基準的同一考試中進行比拚。有趣的是，更大的 Grok 3 推理模型在這次全新的考試中表現更好。這表明，與較小的模型相比，更大的模型具有更強的泛化能力和性能。然而，與去年的考試相比，較小的模型表現更好，因為它更有效地學習了之前的考試內容。

Grok 3 能擠進全球模型 Top 5 嗎？

這次，不少網民對 Grok 3 模型給出了正面評價，「Grok 3 的出現標誌著人工智能發展史上的一個重要里程碑。憑藉其令人印象深刻的 ELO 分數和推理能力，我們顯然看到了人工智能在解決複雜問題方面的飛躍。」

AI 大佬 Andrej Karpathy 今天早些時候獲得了 Grok 3 的早期訪問權限，他也成為首批能夠快速體驗其功能的人之一。Karpathy 表示，Grok 3 好的點是「創建一個棋盤遊戲網頁，顯示一個六邊形網格，就像《卡坦島》遊戲中的那樣。每個六邊形網格都編號為 1..N，其中 N 是六邊形瓷磚的總數。使其通用，以便可以使用滑塊更改‘環’的數量。例如，在《卡坦島》中，半徑為 3 個六邊形。請使用單個 HTML 頁面。」

Karpathy 強調，很少有模型能夠可靠地正確完成這個任務。頂級的 OpenAI 思維模型（例如 o1-pro，每月 200 美元）也能做到，但 DeepSeek-R1、Gemini 2.0 Flash Thinking 和 Claude 都無法做到。但 Grok 3 也有弱點。「它沒有解決我的‘表情符號謎題’問題，在這個問題中，我給出了一個帶有隱藏在 Unicode 變體選擇器中的消息的笑臉，即使我以 Rust 代碼的形式給出了如何解碼的強烈提示。我見過的最大的進展來自 DeepSeek-R1，它曾經部分解碼了消息。」

那麼，Grok 3 能擠進全球頂級模型之列嗎？在馬斯克看來，是能的。從今天的發佈會來看，他對 Grok 3 充滿信心，並認為該模型能未來能擊敗一眾先進模型登頂最強模型寶座。

但事實真的如此嗎？目前，Grok AI 在人工智能領域仍是一個小角色。它的受歡迎程度遠不及 ChatGPT 等競爭對手，截至 2024 年 11 月，ChatGPT 佔據了人工智能工具市場份額的 62.5%。

不過，Grok 確實擁有一些與競爭對手不同的特點。它最大的優勢是能原生集成社交媒體 X，使該聊天機器人能夠訪問社交媒體平台的實時信息，其獨特的編程方式使其能夠以叛逆和俏皮的語氣回答挑釁性的提示。由於這些獨特賣點，馬斯克的 AI 聊天機器人在 X 用戶中很受歡迎。

然而，該聊天機器人經常捲入爭議，從回應政治虛假信息到因其可訪問 X 數據而宣傳有偏見的內容。ChatGPT 和 Gemini 等競爭對手也擁有更多參數，因此它們的響應通常更準確。

基於以上種種，有外界聲音認為堆砌了如此多的算力，即使使用合成訓練數據，Grok 3 也不太可能與更大的競爭對手相提並論。

Grok 系列模型的起源與背景

Grok 系列模型是埃隆·馬斯克旗下人工智能公司 xAI 的核心產品之一。xAI 成立於 2022 年，旨在開發具有更高推理能力和邏輯一致性的人工智能系統。馬斯克一直對人工智能的發展持謹慎態度，多次公開表達對人工智能潛在風險的擔憂。然而，他也認為，人工智能技術的進步是不可避免的，因此他希望通過 xAI 開發出更安全、更透明且對人類友好的 AI 系統。

Grok 的名字來源於科幻作家羅伯特·卡爾希恩萊因的小說《異鄉異客》，意為「深刻理解」或「完全掌握」。這一命名體現了馬斯克對人工智能的期望：不僅要能夠處理複雜的任務，還要具備對人類思維和邏輯的深刻理解。

Grok 1 於 2023 年初發佈，是 xAI 推出的首款人工智能聊天機器人。作為初代模型，Grok 1 的主要目標是驗證合成數據訓練方法的可行性。與當時主流的 ChatGPT 等模型不同，Grok 1 並未完全依賴真實世界數據進行訓練，而是採用了大量合成數據。合成數據是通過算法生成的模擬數據，能夠覆蓋更廣泛的情景和邏輯結構。

Grok 1 的推出引起了廣泛關注，它能夠處理複雜的邏輯問題，並在某些特定任務上超越了當時的 ChatGPT 3.5。然而，Grok 1 也存在一些明顯的局限性。例如，由於合成數據的局限性，它在處理真實世界中的細微差別和複雜性時表現不佳。此外，Grok 1 的訓練成本極高，且模型規模較小，限制了其在實際應用中的推廣。

2023 年年中，在 Grok 1 的基礎上，xAI 推出了 Grok 2。這一代模型在多個方面進行了重大改進。依然採用了更大規模的合成數據集，同時結合了少量高質量的真實世界數據，以彌補初代模型在處理真實場景中的不足。Grok 2 還引入了更先進的訓練算法，尤其是在數學推理、代碼生成和複雜問題解決方面超越了當時的 ChatGPT 4。它還首次嘗試了多模態能力，能夠處理文本、圖像和簡單影片數據。

然而，在眾多優秀大模型層出不窮的 2023 年，Grok 2 的問世並沒有掀起太大浪花。Grok 2 依然有著很多弊端，儘管其技術能力備受認可，但由於其使用權限僅限於 X 平台（原 Twitter）的高級用戶，普通用戶無法直接體驗。這一限制導致 Grok 2 的市場覆蓋率較低，未能對 ChatGPT 等競爭對手形成實質性威脅。如今 Grok 3 來了，情況會有變化嗎？

我們拭目以待。

本文來自微信公眾號「InfoQ」（ID：infoqchina），作者：冬梅、衛華，36氪經授權發佈。