每经记者 岳楚鹏    每经裁剪 高涵    

　　近日，东谈主工智能初创公司xAI（马斯克建造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“地球上最聪敏的东谈主工智能”。

　　凭证官方公开的测试规模，Grok 3在包括AIME（好意思国数学邀请赛）和 GPQA（推测生水平的各人推理）等基准测试中，发达远超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工程师暗示，早期版块的Grok 3取得了第一的收获，达到了140分，卓绝了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。

　　关联词，有些用户在体验后却对Grok 3的智力产生了质疑，他们合计Grok 3的智力并莫得马斯克宣称的那么弘大。OpenAI（一家怒放东谈主工智能推测和部署公司）应用推测垄断Boris Power（东谈主名）则对Grok团队在模子评估中的动作暗示失望，指出其存在舞弊和乱来动机。Boris Power提到，o3mini（模子名）在各项评估中均优于Grok 3。

　　真相到底怎么，马斯克夸耀了吗？《逐日经济新闻》记者测试发现，Grok 3照实是天下顶级模子，但并莫得和其他模子拉开太大差距，唯独拉开差距的是它极快的反馈速率。

　　疏忽拿下数字比大小

　　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“地球上最聪敏的东谈主工智能”，并暗示Grok 3的智力比前代家具Grok 2跨越一个数目级，具备更强的推理、狡计缓和应智力。

　　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达出色，卓绝了谷歌的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晓谕将其免费怒放给所灵验户，直至处事器负载达到极限。当今用户每天不错体验十条“想考模式”Grok 3及不限量免费往日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狠恶。

　　率先，从最经典的基础问题运行：9.9和9.11谁大？

　　这个问题毫无难度，Grok 3疏忽拿下。

　　逻辑想考智力并不凸起

　　马斯克在发布会上自爱的少量是，Grok 3“想考模子”下的逻辑推颖慧力。他宣称，Grok 3（想考模式）学会了立异其处治问题的政策，通过回溯阅兵谬误，简化步履，并愚弄其在预教师本事取得的学问。就像东谈主类在处治复杂问题时相通，Grok 3（想考模式）不错破耗几秒钟到几分钟的本事进行推理，庸俗会磋议多种步履，考证我方的处治决策，并评估怎么精确平静问题的条件。

　　记者用弱智吧的问题来历练一下它的逻辑是不是竟然过关。“弱智吧”是百度贴吧的一个子论坛。在这个论坛中，用户庸俗发布包含双关语、多义词、因果格外调解音词等具有挑战性的内容，好多内容设想有逻辑陷坑，即使对东谈主类来说也颇具挑战。

　　第一个问题：用水来兑水，得到的是浓水照旧稀水？

　　Grok 3答对了问题，何况还指出这是一个笔墨游戏。而OpenAI的o1就在这谈题上败下阵来，合计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皆答对了这谈问题。是以这并不及以解释Grok的推理模式便是第一的水平，还得加浩劫度。

　　下一题：将来的某天，李同学在实验室制作好意思妙材料时，偶然发推行验室的老鼠在空中飞。分析发现，是因为老鼠不防备吃了好意思妙材料。第二天，李同学又发推行验室的蛇也在空中飞，分析发现，是因为蛇吃了老鼠。第三天，李同学又发推行验室的老鹰也在空中飞，你合计原因是什么？

　　很可惜，这谈题Grok 3莫得答对，它在想维链内部也曾预见了老鹰自己就会飞的可能性，但是莫得在终末的输出规模里体现出来。其他大模子里唯独R1奏效答对了问题，且磋议了两种情况。

　　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颖慧力照实昭彰高于其他国际模子，但照旧不如R1。

　　数学智力未拉开差距

　　既然逻辑想考无法夺魁，那么在基准测试里分最高的数学方法，Grok 3能不成扳回一局呢？

　　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，如斯往来，最终，A输了6局，B输了8局，C输了10局，问各赢几许局？

　　这谈题唯独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不成分出上下。底下是一齐群论问题：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，在数学智力方面，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贵差距。

　　编程智力险胜o1

　　针对编程智力，《逐日经济新闻》记者借用了Kcores（公司名）聚拢创举东谈主karminski-牙医（网名）的测评规模。

　　karminski-牙医复现了马斯克在发布会上关于火星辐射缱绻的代码模拟，并测试了多个模子进行比拟。

　　在此次测试中，发达最佳的是Grok 3的推理模子（想考模式），天然在终末着陆时，动画火箭莫得与火星重迭，但轨谈需求狡计得很好。但是永恒莫得复现出马斯克在发布会时所展现的那么竣工的轨谈狡计和动画。Grok 3终末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。

　　联接所有测试来看，Grok 3照实是天下顶尖的AI模子，不愧于20万张GPU（图形处理器）的身价。但是，本色测试成果并莫得马斯克在发布会上展示的那么夸张，马斯克所说的天下上最“聪敏”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模子智力并莫得像基准测试得分那样远远甩开敌手一大截，唯独甩开竞争敌手的少量是它的反馈速率，它得出规模的速率相较于其他同品级的大模子来说是最快的。

海量资讯、精确解读，尽在新浪财经APP

包袱裁剪：王许宁 欧洲杯体育