本文转自微信公众号“量子位”，作者：关注前沿科技。
编辑部 发自 凹非寺
量子位 | 公众号 QbitAI
马斯克xAI的
Grok 3
终于亮相
（超300万人次围观）
！
一出道即巅峰，
竞技场
（lmarena.ai）
官方给出了这样的评价：
Grok 3是首个突破1400分的模型，并且在所有类别中排名第一。
而且，Grok 3还是首个在10万张
（后扩展到20万）
H100集群上训练出的模型。
在发布预告消息的时候，马斯克就对Grok 3大力夸赞，称其是
“地球上最聪明的AI”
。
发布之前，大神
Karpathy
获得了抢先体验资格，玩了两个小时之后发长文详述了自己的感受。
Karpathy认为，
Grok-3的思考能力达到了SOTA，推理水平和o1-pro差不多
，略好于DeepSeek R1和Gemini的推理模型。
如果考虑到Grok 3是一年前从头开始训练的，取得这样的成绩属实不可思议。
并且对于
数字母、小数比大小
这些经典大模型“难题”，Grok 3在开启推理之后也都正确解决。
不过也人质疑Grok的地位，有一位仿冒老黄的网友说，Grok 3即便真的是最强，也最多只能强一周。
加上OpenAI也剧透了下一代GPT计划，马斯克和奥特曼的另一场推特大战就要爆发了。
奥特曼昨晚也发推称，GPT-4.5的测试让他感受到了比预期更强烈的“feel the AGI”的感觉。
还有网友到评论区起哄，让他在早上截胡马斯克，直播发布GPT-4.5。
言归正传，我们来看直播都讲了啥。
20万张H100，训出最强模型
这次直播一共有四人参与，除了马斯克之外，较为醒目的就是坐在C位的
两位华人
，他们都是xAI创始成员。
二人从左至右分别是：
而最左边的则是
Igor Babuschkin
，是xAI的一位工程师。
四人先是介绍了Grok 3的训练历程。
去年马斯克剧透，Grok 3在
10万张H100
上进行训练，是首个达到如此训练集群规模的模型。
当时就有网友称这简直是神经网络的超级工厂。
今天的发布会上又透露，到训练进行到第92天时，集群规模
扩展到了20万卡
。
如此强大算力，xAI也是紧跟潮流在Grok 3中推出了
思维链推理能力
。
在此前迪拜的一场峰会上，马斯克高调宣称：
Grok 3具有强大推理能力，聪明程度超越目前所有已知模型。
这一波Grok 3有满血和mini两个版本，在数学、科学、代码等数据集上表现均超过了GPT-4o、DeepSeek-V3等非推理模型。
并且Grok 3早期还化名“巧克力”打榜LMSYS，一举夺魁并成为
唯一一个得分超1400的模型
。
在Grok 3和mini的基础之上，xAI团队还打造了两款
推理模型
。
其中基于mini的推理模型
（Grok 3 mini Reasoning）
已经比较成熟，而基于满血版的推理模型
（Grok 3 Reasoning Beta）
还处在Beta阶段。
介绍成绩之前，四人用马斯克的账号先让Grok跑了两个案例，分别和物理学以及游戏相关。
生成一段代码，为从地球降落在火星，然后在下一个发射窗口返回地球的发射绘制三维动画图表。
生成的过程中，有人开玩笑说什么时候能把Grok装到SpaceX的火箭上，马斯克也回应说可能再过2年。
马斯克还表示，如果一切顺利，SpaceX将在大约2025年11月左右，也就是下一个地球-火星转移窗口期，用星舰把擎天柱机器人送上火星。
说回Grok，在考虑了开普勒定律并将其转化为代码之后，最终生成了可以绘制出这样的动画的代码：
第二个问题开启了
Big Brain
模式，会让模型用更多的计算资源去做更多的思考。
题目要求则是使用pygame组件，设计一款游戏，把俄罗斯方块和宝石迷阵缝合到一起。
同时还提示代码可能会很长，需要保存到一个文件当中，并且要“insanely great”。
而Grok 3也不负众望，把这两款游戏成功结合，并介绍了合体版游戏的特点：
运行起来是酱婶儿的，既有俄罗斯方块的消除机制，又根据宝石迷阵的特点调整成了三个方块消除一次。
再来看跑分结果，在数学、科学和代码任务中，两者都取得了不俗的成绩。
并且如果让他们“多思考”
（柱状图上方浅色部分）
之后，表现
超越了DeepSeek-R1和高配版o3-mini
。
不过，目前很多模型都在Benchmark上出现了“过拟合”的现象，那么Grok 3的实际表现究竟咋样呢？
研发团队让它们挑战了今年
AIME 2025竞赛
的试题，结果Grok-3 Reasoning Beta和mini Reasoning分别取得了93和90分的成绩，力压其他推理模型。
