Grok3 來了，馬斯克笑了，網站崩潰了

幾個小時前，伊隆·馬斯克終於發佈了他口中「地球上最聰明的 AI」——Grok3。

在 Grok3 中，馬斯克團隊一口氣帶來了「地表最強」基礎模型、推理模型以及第一個 agent（智能體）產品，還預告了正在路上的語音模型。官宣這一攬子新品，xAI 旨在追平甚至超越當前所有領先的 AI 產品能力。讓所有人都重視 xAI 這頭「房間里的大象」。

目前，只有 X 社交平台的 Premium+會員可以用 Grok3 測試版，但可能受限於其訂閱價格（40 美元/月）價格或發佈時間（當地晚上）的原因，X 平台暫未出現很多使用案例分享。

馬斯克的老同事 Andrej Karpathy（早年特斯拉自動駕駛負責人）提前內測了 Grok3，綜合使用下來，他認為 Grok 3 的能力大致與 o1-pro（200 美元/月）相當，優於 DeepSeek-R1 和 Gemini 2.0 Flash Thinking。

同時，對於 Grok3 發的第一個 Agent 產品「Deep Search」，他認為這個功能大概和 Perplexity 的「Deep Research」產品差不多，可以查閱網絡資料進行自主探索、給出高質量回答，但有時也會出現編造信息或錯誤引用的情況，似乎還沒到 OpenAI 最新發佈的「Deep Research」水平，後者給人感覺更全面更可靠。

值得注意的是，Grok3 對發佈只有一場直播 demo，沒有官方博客和技術報告等更多信息。馬斯克表示，模型每小時都在升級中，一週以後，Grok3 會帶來更好更穩定的能力和更多基準測試的成績。

馬斯克的號召力還是很強，Grok3 網站剛一上線，就被熱情的網民們點崩潰了。

顯然，競爭越來越白熱化的 AI 大戰，讓馬斯克倉促地舉辦了這場發佈會。Grok3 以及 xAI 的重要性幾何，還要再等等。

01 第一個 10 萬級 H100 訓練出來的模型，Grok3 怎麼樣？

在已有Google、Anthropic 和 OpenAI 的情況下，馬斯克的 xAI 仍被視為最有希望與這三家巨頭抗衡的公司之一。一大原因就在於擁有 20 萬卡集群——Colossus。作為世界上最大的人工智能超級計算機，Colossus 採用英偉達全棧參考設計，配備 20 萬個英偉達 Hopper GPU。

Grok3 便是在這一集群上訓練的，1 月初剛剛完成了預訓練，現在 Grok3 的計算能力是 Grok-2 的 10 倍以上。

馬斯克表示，Grok3 實際上仍然還在訓練中，今天先展示 Grok3 在一部分基準測試中的成績。

在其展現的評測標準上，Grok3 在數學、科學、代碼能力上全面領先。即便是 Grok3-mini，也超越了 Gemini、Claude、DeepSeek 當前所能獲得的最好基座模型。｜截圖來源：X

「如果上述基準看起來是在評測『教科書的背誦能力』，那麼在實際使用能力上，Grok3 基座模型也確實是第一」。他們表示，在發佈前兩週，Grok3 以巧克力的代號在 Imarena 基準（前 Lmsys 基準）上進行了盲評，問同一個問題，讓用戶根據回答評價哪個模型更好，該基準被視為更加客觀的測試。

在這一基準測試中，Grok3 達到了 1400 分，這也是這一榜單首次出現超過 1400 分的基座模型。並且，Grok3 在總體/風格控制、編碼、數學、創意寫作、指令遵循、長指令提問、多輪等基座模型的所有評測類別上，都是第一。

官方稱 Grok3 還在不斷更新中，每天、每小時都在改進，今天給大家演示的模型版本就比送去評測的版本更先進。同時，最佳的預訓練模型顯然不夠，Grok3 還可以像人類一樣思考、反思、驗證，回到第一性原理再思考等，具備了強大的推理能力。

他們表示，從 1 月初完成預訓練模型以來，努力通過強化學習對其進行推理訓練，現在還在早期階段，但已經激發出了更多的能力。當給予更多的求解時間或者計算量，Grok3 模型表現更好。未來，還會發佈一個 mini 版本的推理模型。

最後，團隊放出了 Grok3 的第一代 agent，幫助工程師、研究人員和科學家進行編碼、幫助每個人回答研究問題，有點像下一代搜索引擎的「Deep Search」。該功能與此前Google、OpenAI 和 Perplexity 的「Deep Research」類似，旨在幫助人類完成比較深度的研究工作。

現場 demo 中，Grok 被問及「下一個星艦發射日」時，可以根據提問拆解用戶意圖、思考、查閱網站閱讀、交叉驗證信息來源、回答問題，團隊稱可以節省人類數十、上百小時的研究時間。｜截圖來源：X

02 Grok3 究竟行不行，還需要讓子彈再飛一會

看完馬斯克的 Grok3 發佈會，鮮少能感受到「世界上最聰明的 AI」，總體是對齊第一梯隊玩家、並沒有超越的感覺。所以不少網民直呼：

「白瞎了」20 萬張 Hopper GPU。

但現在下結論，還是太早了。

整個行業預訓練上 Scaling Law 放緩，更多是受限於互聯網數據用完了。換句話說，馬斯克的 20 萬卡集群和他本人的極致工程能力，還沒有得以發揮。

我們來算算。

去年 4 月決定自建數據中心，迅速搞掂英偉達 20 萬張 Hopper 卡的到貨，122 天拉起了 10 萬卡集群，又用 92 天將數據中心擴展到 20 萬卡集群。這是獨有的馬斯克執行力。黃仁勳都說了，當模型大小增加一倍，算力崩掉的概率要多出一個數量級。馬斯克在十萬級卡上完成預訓練滿打滿算也就半年多。

另一邊，推理上的 Scaling Law，放在整個 AI 行業也剛剛開始，而這部分也更吃算力、無論是需要做實驗探索還是實際訓練。

在不久前舉辦的杜拜世界政府峰會上，馬斯克表示 Grok3 強大的推理能力背後，使用了創新的訓練方法和大量合成數據，能夠通過數據來回迭代實現邏輯一致性。如果發現錯誤數據，系統會反思並移除不符合現實的內容。但這些創新馬斯克團隊在今天的發佈會上並未提及，就像他說的 Grok3 還在繼續訓練中，更好的版本要等下週以後。

顯然，AI 競爭白熱化，讓馬斯克在當下顯倉促地拿出了 Grok3。或許是要在Google、Anthropic、OpenAI 在接下來一兩週內更新下一代模型之前，佔個先手。至少讓大家看到 Grok3 即將追平現狀了，但究竟有沒有突破、能不能再突破，還需要時間的檢驗。

別忘了，馬斯克可是戰略高手，一方面加緊修煉 xAI，一方面放出「收購 OpenAI」的新聞給對手造成困擾。在 AI 這條路上，你很難預測馬斯克到底能做出什麼來。

本文來自微信公眾號「極客公園」（ID：geekpark），作者：宛辰，編輯：靖宇，36氪經授權發佈。