電子發燒友網報道（文/莫婷婷）美國太平洋時間周一晚上8點（北京時間周二12點），馬斯克旗下人工智能公司xAI正式發布新一代人工智能大模型Grok 3。在這款產品還未發布之前，馬斯克就為它站臺，表示“Grok 3將是地球上最聰明的人工智能”。那么，這款史上最聰明的AI大模型到底有哪些亮點？

Grok 3系列多項測試登頂，即將接入SpaceX火箭

此次直播有四人參與，分別是xAI工程師Igor Babuschkin，還有兩位華人研究員：多倫多大學計算機科學助理教授Jimmy Ba，斯坦福大學博士后吳宇懷（Yuhuai "Tony" Wu），以及伊隆·馬斯克。


此次發布的Grok 3系列有兩個版本，分別為Grok 3和輕量版Grok 3 mini。Grok 3 mini經過了更長時間的訓練，在某些情況下能夠更快地解答問題。xAI還發布了推理模型Grok-3 Reasoning和Grok-3 mini Reasoning，以及首個AI智能體DeepSearch。

在近期的世界政府峰會上，馬斯克提到Grok 3時表示，“Grok 3有極強的推理能力，在我們迄今為止所做的測試中，其表現優于我們所知的任何已發布產品。”

為了讓Grok 3更加聰明，xAI團隊在進行訓練時用到了更多的計算資源。此前，Grok 2訓練規模為2000 萬GPU 小時。而Grok 3訓練規模是Grok 2的10倍，約為2 億GPU 小時。



馬斯克在現場展示了Grok 3進行AIME'24數學能力測試、GPQA科學知識評估、LCB Oct-Feb編程能力測試等多個測試的實際表現。馬斯克將Grok 3與Grok 3 mini、Gemini-2 Pro、DeepSeek-V3、Claude 3.5 Sonnet、GPT-40進行對比。在上述多個測試中，Grok 3的表現都優于其他AI大模型，特別是在LCB Oct-Feb編程能力測試中，Grok 3的得分為57，GPT-40的得分為34，幾乎是后者的兩倍得分。

在與DeepSeek-V3的對比中，Grok 3也有優異的表現，AIME'24數學能力測試以52 分超 過DeepSeek-V3 的 39 分。GPQA 科學知識評估以75 分超過DeepSeek-V3 的65 分。LCB Oct-Feb 編程能力測試以57 分超過DeepSeek-V3 的 36 分。




在眾包大模型評估平臺Chatbot Arena（LMSYS）聊天機器人大模型競技場的測試中，早期版 Grok 3拿到了1402分。xAI團隊興奮地表示，Grok 3是首個超過1400分的AI大模型，超過了 DeepSeek-R1、OpenAI o1、Gemini-thinking等推理模型。“它是在聊天室功能、編程等各方面的性能上，可以說是最強勁的。我們還在不斷地更新。”

在推理能力方面，Grok 3的表現同樣超出預期。在 AIME 2025 數學競賽的測試中，兩個推理模型Grok-3 Reasoning Beta 和 Grok-3 mini Reasoning兩個版本分別以93分、90分的成績超過同比大模型。




Grok 3有DeepSearch模式、思考（Think）模式、Big Brain模式。思考（Think）模式時，Grok 3會展示出思考鏈路、思考時長，與DeepSeek類似。Big Brain模式則使用了更多的模式。

在發布會現場，xAI給出了不同的任務，包括發布讓Grok 3生成“從地球發射、著陸火星，然后再次返回地球的3D 動圖的代碼”“使用 pygame 制作一款結合了俄羅斯方塊和寶石方塊的游戲，代碼可以很長，效果要炫酷”等任務。Grok 3都順利完成了上述任務。

針對游戲的任務，xAI團隊選擇讓Grok 3結合俄羅斯方塊和寶石方塊兩個游戲，這意味著需要把兩個游戲的一些代碼和要素去復制和融合在一起，這也展示出AI具備創造力的過程。

在進行火箭發射的任務時，工作人員一開始用Grok-3 mini進行測試，后面切換了滿血版Grok-3。在經過114秒的等待后，Grok-3給出了答案。“發射時間窗口的計算過程中涉及了大量的數學和物理模型。那其實我們也能夠在Grok 3的思維和推理的過程之中，去了解它到底引用了什么樣的算式和推理，所以我們的模型能夠為航空航天領域提供幫助。但大模型計算的發射窗口可能也會出現失誤的問題，但是我相信它最終會給我們得出一個結論和結果。”xAI團隊表示。



馬斯克興奮地提到，我們希望能夠用Grok 3解決特別重要的任務，比如說去打造一輛特斯拉，或者說是發射一個真正的火箭。“我相信下一次重大的突破會在明年 11 月份出現，我們會在明年讓 space x 火箭登陸火星，接入Grok 這樣的模型去計算整個的發射過程。”

在發布會之前，馬斯克就提到，Grok 3引入了思維鏈（Chain Of Thought）推理機制可以讓Grok 3像人類一樣，逐步解決復雜的問題。從發布會的測試任務結果來看，Grok 3邏輯推理測試中能夠提供創新的想法和解決方案。


“全球最強”之爭：建立最大H100集群，消耗20萬塊 H100

回顧xAI大模型的發展歷程：2023年11月，xAI發布第一款大模型Grok-1，擁有3140億參數，用于訓練AI聊天機器人。2024年3月，Grok宣布開源。2024年8月，Grok-2大模型發布。在Grok-1的基礎上，訓練時除了采用大規模合成數據，還加入真實世界數據。

從Grok 2大模型發布至今，已將近一年。在這一年中，AI大模型的發展速度超乎想象，例如中國DeepSeek大模型的橫空出世，OpenAI 的推理模型o3等。此外，OpenAI還在加速推進AI大模型的研發進程，針對o4模型訓練已經啟動。xAI似乎也感受到緊迫感。



可以看到，AI行業似乎進入了一場AI大模型性能的競賽，特別是關于“誰是全球最強”。

為了打造出全球最強的AI大模型，xAI投入了大量的資源。Grok 3優異的表現是取決于哪些方面？馬斯克坦言，一是我們有世界上最優秀的 AI工程師團隊，我們可以重塑推理，真正確保 AI訓練達到相關的一個算力極限。其次我們也必須去計算到底有多少 GPU 可以同時運行，用來突破整個AI 和大語言模型的邊界。

xAI團隊坦言，我們在訓練大模型的過程中也遇到了很多的困難，我們認為在模型訓練中，能耗能效在 65% 到 80% 之間，可以說是浪費了很多能源。如果想要進一步推進語言模型、AI技術的發展，必須去解決數據中心的冷卻問題、供能等問題。

因此為了訓練Grok 3，xAI團隊提升了數據中心的容量，用約四個月的時間建立新的數據中心，用10萬個GPU啟動并運行。隨著技術的投入，又用92天的時間把數據中心的算力提升了一倍，擴大到20 萬塊顯卡。xAI團隊認為這將是同類中最大的全連接的H100集群。與此同時xAI團隊已經開始研究下一個AI集群，將比現在的集群強大5倍。

目前AI大模型競賽的核心驅動力包括計算能力與訓練規模、多模態與推理能力、開源與商業化平衡等。

xAI團隊表示，Grok 3測試版現已面向社交媒體平臺X用戶推出。Grok 3會在一周后獲得最佳體驗，將有語音模式。xAI還將在Grok 3成熟后，開源Grok 2。

進入2025年，AI領域新的競爭已然開啟。從馬斯克的Grok 3來看，隨著技術的成熟與強大，未來AI大模型將不僅僅能解決人們日常中的問題，還能進入科研領域。


小結：

隨著Grok 3的震撼發布，我們看到了通過20萬張GPU訓練出的大模型在性能上的巨大飛躍。與此同時，關于訓練成本的話題也引起業內關注。消息顯示，xAI公司投入巨大，特別是針對Grok 3的投入。消息顯示，xAI公司進行新一輪的融資，此次計劃籌集約100億美元資金，融資后公司估值達到約750億美元。另一邊，DeepSeek R1以550萬美元的成本進入人們的視野。這不禁讓我們思考：在追求更高性能的AI大模型時，該如何找到成本與性能之間的平衡點。