近日，东谈主工智能初创公司xAI（马斯克建筑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“地球上最机灵的东谈主工智能”。
把柄官方公开的测试截至，Grok 3在包括AIME（好意思国数学邀请赛）和 GPQA（接续生水平的巨匠推理）等基准测试中，发扬远超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工程师默示，早期版块的Grok 3得回了第一的收获，达到了140分，特出了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的才调产生了质疑，他们觉得Grok 3的才调并莫得马斯克宣称的那么弘远。OpenAI（一家通达东谈主工智能接续和部署公司）应用接续阁下Boris Power（东谈主名）则对Grok团队在模子评估中的当作默示失望，指出其存在舞弊和拐骗动机。Boris Power提到，o3mini（模子名）在各项评估中均优于Grok 3。
真相到底如何，马斯克骄傲了吗？《逐日经济新闻》记者测试发现，Grok 3照实是全国顶级模子，但并莫得和其他模子拉开太大差距，惟一拉开差距的是它极快的反映速率。
温情拿下数字比大小
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“地球上最机灵的东谈主工智能”，并默示Grok 3的才调比前代产物Grok 2逾越一个数目级，具备更强的推理、谈论和符合才调。
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发扬出色，特出了谷歌的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文告将其免费通达给所灵验户，直至工作器负载达到极限。当今用户每天不错体验十条“念念考花式”Grok 3及不限量免费浅近Grok 3。
《逐日经济新闻》记者在Grok 3发布后也躬行进行了测试，望望Grok 3是否真有马斯克宣传的那么猛烈。
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温情拿下。
逻辑念念考才调并不隆起
马斯克在发布会上骄傲的少量是，Grok 3“念念考模子”下的逻辑推理才调。他宣称，Grok 3（念念考花式）学会了立异其措置问题的战略，通过回溯改良失实，简化要领，并诳骗其在预教唆期间得回的学问。就像东谈主类在措置复杂问题时不异，Grok 3（念念考花式）不错破钞几秒钟到几分钟的时辰进行推理，无为会探究多种措施，考据我方的措置决策，并评估如何精准知足问题的条件。
记者用弱智吧的问题来侦探一下它的逻辑是不是果然过关。“弱智吧”是百度贴吧的一个子论坛。在这个论坛中，用户频频发布包含双关语、多义词、因果极度和洽音词等具有挑战性的内容，许多内容经营有逻辑陷坑，即使对东谈主类来说也颇具挑战。
第一个问题：用水来兑水，得到的是浓水如故稀水？
Grok 3答对了问题，况且还指出这是一个翰墨游戏。而OpenAI的o1就在这谈题上败下阵来，觉得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齐答对了这谈问题。是以这并不及以评释Grok的推理花式便是第一的水平，还得加浩劫度。
下一题：将来的某天，李同学在实验室制作私密材料时，偶而发试验验室的老鼠在空中飞。分析发现，是因为老鼠不注重吃了私密材料。第二天，虚拟盘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，你觉得原因是什么？
很可惜，这谈题Grok 3莫得答对，它在念念维链内部依然意想了老鹰自身就会飞的可能性，但是莫得在临了的输出截至里体现出来。其他大模子里惟有R1告捷答对了问题，且探究了两种情况。
记者还进行了屡次访佛问题的测试，发现Grok 3对汉文的相识和逻辑推理才调照实明显高于其他国际模子，但如故不如R1。
数学才调未拉开差距
既然逻辑念念考无法夺魁，那么在基准测试里分最高的数学样式，Grok 3能弗成扳回一局呢？
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弗成分出上下。底下是一起群论问题：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，在数学才调方面，Grok 3照实是最佳的，但是好得有限，并莫得与其他同品级模子拉开显赫差距。
编程才调险胜o1
针对编程才调，《逐日经济新闻》记者借用了Kcores（公司名）连合独创东谈主karminski-牙医（网名）的测评截至。
karminski-牙医复现了马斯克在发布会上关于火星放射研究的代码模拟，并测试了多个模子进行相比。
在此次测试中，发扬最佳的是Grok 3的推理模子（念念考花式），天然在临了着陆时，动画火箭莫得与火星交流，但轨谈需求谈论得很好。但是耐久莫得复现出马斯克在发布会时所展现的那么无缺的轨谈谈论和动画。Grok 3临了概述得分排在了第一，再之后是OpenAI的o1，两者的概述得分差距不大。
联结统统测试来看，Grok 3照实是全国顶尖的AI模子，不愧于20万张GPU（图形处理器）的身价。但是，本色测试截至并莫得马斯克在发布会上展示的那么夸张，马斯克所说的全国上最“机灵”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模子才调并莫得像基准测试得分那样远远甩开敌手一大截，惟一甩开竞争敌手的少量是它的反映速率，它得出截至的速率相较于其他同品级的大模子来说是最快的。