马斯克用20万卡集群，做出了比DeepSeek还强的模型？

今年才刚刚过去两个月，AI模型竞技场的火热程度，就已经白热化了。

就在今天（18日）中午，马斯克预告的那个号称“地球上最聪明的人工智能”Grok 3，终于发布了。

发布会还是秉承着马斯克一贯的风格，说好十二点准时开始，结果还是晾了大家快二十分钟。

将近一个小时的直播中，马斯克携xAI天团从各个方面介绍了Grok 3究竟有多厉害。从官方给出的纸面数据来看，Grok 3吊打了诸如谷歌、OpenAI和DeepSeek等一众明星公司的招牌模型。

直播刚一结束，X上就不淡定了，因为有人已经提前体验上了Grok 3。Andrej Karpathy说它的推理能力跟o1-Pro差不多，而且还要略优于DeepSeek R1和Gemini的推理模型。

还有人因此用AI生成了一个奥特曼看到Grok 3发布后的视频……

国内外关于Grok 3的报道也是满天飞，“首个突破1400分（模型在Imarena.ai竞技场的得分）的模型”、“首个十万卡集群训练出来的模型”等title看着就唬人。

在知危编辑部看来，Grok 3虽然不能说炸裂，但至少从直播内容来看，它又一次延续了AI领域大力出奇迹的神话。

目前，Grok 3只对部分X的Premium+会员开放，我们的账号暂无权限，所以我们就简单从发布会的内容给大家介绍一下这个Grok 3究竟是什么水平。

马斯克首先是拿Grok和GPT的模型迭代速度进行了对比，针对性很强，有一种一定要分出高下的既视感。

不过需要注意，这次的Grok 3实际上是一个模型家族，家族成员的水平各不相同，大致可以分为非推理模型和推理模型两种。

我们先来看非推理模型，也就是Grok 3和Grok 3 mini。

还是熟悉的Benchmark基准测试，xAI拉来了Gemini 2.0 pro、DeepSeek V3、Claude 3.5 Sonnet，还有GPT-4o四个模型进行对比。

在AIME’24美国数学竞赛、GPQA（研究生水平科学知识问答能力的基准测试）和代码三项测试中，Grok 3的成绩肉眼可见高出了其他模型一大截。

Grok 3 mini的水平虽然跟其他模型大差不差，但直播中也提到了，mini版本可以通过牺牲一定程度的准确性，来换取更快速度的回答。

另外，在Chatbot Arena的盲测中，Grok 3代号叫“巧克力”的早期版本也登上了榜一，分数更是史无前例破了1400分。

具体来看，巧克力在整体风格控制（模型语气、表达方式的把控）、编码、数学还有创意写作等多个方面，全都拿了第一。

要知道，巧克力还只是早期版本的Grok 3，今天的最新版Grok 3性能或许还会更强。

下面，我们再来看Grok 3的推理模型。

推理模型大家应该不陌生，毕竟OpenAI的o1系列、o3 mini还有DeepSeek R1，都已经杀红眼了，思维链也是主流模型的突破方向。现在各家上新的模型里，如果不是推理模型，可能都不好意思拿出来。

所以这次，Grok 3 Reasoning Beta和Grok 3 mini Reasoning也代表xAI出战了。

同样还是纸面实力，表面一看还是傲视群雄的姿态。

但有个需要注意的地方，这个测试中，加了Test-Time Compute。

简单理解就是给了模型更多的时间去思考，同一个横坐标上颜色浅一点的部分，就是加时赛的成绩。

我们可以看到，如果不算上加时赛，Grok 3两个推理模型跟其他模型的差距，并没有那么大。一旦加了时长，这差距马上就体现出来了。

换句话说，Grok 3的推理模型思考的时间越久，表现越好，这似乎说明了Grok思考的质量是可以随着时间线性增长的，也代表着Grok有进一步的成长空间，未来有机会通过对思考的优化在更短的时间里给出更好的答案。

在现场，马斯克他们还展示了Grok 3推理模型在2025年AIME数学竞赛上的测试结果。

实际上，如果不算上Test-Time Compute，好像还是OpenAI家的o3-mini（high）的推理能力更强。

为了证明自己不是说说而已，马斯克他们在现场直接进行了效果演示。

他让Grok 3生成3D动画代码，可以看到模型一步步的思考过程。但他们也提到，这个思考过程是被模糊处理过的，理由跟OpenAI差不多，都说是为了防止模型被抄袭。

另外，现场还让Grok 3生成了一个结合俄罗斯方块和宝石迷阵两种游戏规则的新游戏。

这很难不让人联想到，马斯克昨天实锤了xAI要成立一家AI游戏工作室的新闻，如果Grok 3的游戏制作能力真的跟现场演示的一样甚至更强，这对于整个游戏圈的影响都将是巨大的。

而且根据马斯克的说法，Grok3在未来的两到三年内，还可能参与到特斯拉的生产还有火箭发射的过程当中。

随后，直播发布了基于Grok 3构建的Deepsearch。

这个产品其实就是一个智能搜索引擎，有点像Perplexity的Deep Research和OpenAI的Deep Research。

我们可以看到，当你问Grok 3下一次星舰发射是啥时候，左边会显示一个总体的进度条，右边则是展示浏览了哪些网页、对哪些信源进行了验证。

最后模型会得出下一次发射的时间，是2月24日。

当然，这次Grok 3之所以看上去如此强大，抛不开马斯克老早就在念叨的，只花了122天就搭建起来的10万卡集群。

后续，他们又花92天扩展到了20万卡集群，使出一招大力出奇迹，在不到一年的时间里，供养出了Grok 3。

结合这段时间大家都在争论的技术路线问题，Grok 3的出现似乎再一次证明了算力在大模型领域的绝对力量。

不过，把20万卡供出来的Grok 3和对算力资源需求低不少的DeepSeek V3放在一起比较，还是有一些不公平的。

除此之外，马斯克在前几天的迪拜峰会上也提到，Grok 3经过了合成数据的训练，能够通过检查、验证信息来反思自己的错误。

总而言之，这次的Grok 3的确算是拿出了点真家伙。

不过我们也注意到，在Grok3抢先体验的用户分享当中，有不少与宣传不符的实际测试案例。

就比如这位博主用同一组Prompt测试了Grok 3、o3 mini，还有Claude 3.5 Sonnet，结果Grok 3直接翻车。

在另外一组测试中，o3 mini的表现也要优于Grok 3和DeepSeek R1。

还有放大镜选手，直接指出了发布会演示的案例里，有明显错误。

虽然我们这次没有实际上手测试，但从外部的一些实测案例来看，Grok 3似乎也没有营销的这么神。

而且这次Grok 3上线后，很多人的注意力都放在了模型是否开源上。

根据马斯克的说法，xAI一般是新模型发布后再开源旧模型，也就是说，就算开源也是老版的Grok 2。

看样子，来自开源阵营的压力还是不够大，马斯克想狙的还是老对手OpenAI。

就是不知道，已经在X上预告了的GPT 4.5，能不能再反手给马斯克一个“惊喜”。