来源：新智元
人类史上首个在20万块GPU上训出的模型终于问世！
马斯克带队三位xAI成员在线开启直播，官宣Grok-3全家桶——
Grok-3（Beta）、Grok-3 mini
首个推理模型Grok-3 Reasoning（Beta）、Grok-3 mini Reasoning：击败o3-mini/DeepSeek-R1，解锁推理时计算
首个AI智能体「DeepSearch」：联网深入搜索
一股OpenAI发布会的味道扑面而来
据介绍，三代Grok的训练计算量竟是Grok-2的10倍，那么实际表现又如何？
世界最大超算集群Colossus已有20万块GPU：10万块GPU同步训练（第一阶段用时122天搭建）；20万GPU（第二阶段用时92天）
在多项基准测试中，Grok-3在数学（AIME 2024）、科学问答（GPQA）、编码（LCB）上刷新SOTA，大幅超越DeepSeek-V3、Gemini-2 Pro、GPT-4o。
Grok-3 mini的性能基本上领先或媲美其他闭源/开源模型。
在著名大模型LMSYS Arena排行榜中，Grok-3（chocolate终于揭秘）刷榜，Elo评分超1400位列最高，没有任何一个模型能与之相比。
Grok-3的数学能力十分惊人，几乎能完成大部分美国数学专业能力测试的题目。
更令人惊喜的是，Grok-3此次还带来了推理模型——Grok-3 Reasoning，在回答问题时会展示出思维过程。
进入聊天入口，直接选择「Think」模式，即可开启魔法。
此外，还有「Big Brain」模式、智能体「深度搜索」（Deep Search）模式同步上线。
几天前，马斯克曾在预告中放出豪言，「这是地球上最聪明的AI」，此言不虚。
总爱搞点事情的奥特曼，一会儿说GPT-4.5让自己深刻感受到AGI，一会儿又要开源模型全网投票。
甚至有网友提议，不如咱就7:30pm发布GPT-4.5吧！奥特曼：这不太好吧。
奥特曼的这番言论，摆明了是要扰乱军心。据传言，Grok-3发布这一历史性时刻，OpenAI全员观战。
OpenAI前脚发布的o3-mini刚刚击败了R1，如今又被Grok-3追回。不知今晚，GPT-4.5会不会降临？
暴击o3-mini、DeepSeek-R1，解锁测试时计算
有人说，Grok-3是终极的Scaling Law测试，如今看来，事实如此。
从2023年Grok-1首次面世，到Grok-1.5，再到Grok-2逐步迭代，模型推理性能飞速飙升的同时，还吞噬了大量的算力。
Grok-3家族，更是将「测试时计算」发挥到了极致。10万块H100超算，训出的野兽几乎无「模」能敌。
它成为首个Elo评分打破1400的模型，在所有分类测试中位列第一。
在多项基准测试中，推理模型Grok-3 Reasoning和Grok-3 mini Reasoning在数学、科学、编码上，性能均大幅超越o3-mini（high）、o1、DeepSeek-R1，还有Gemi-2 Flash Thinking。
可以说，迄今为止最强「推理模型」，全部败给了Grok-3 Reasoning，可以说，它是名副其实的「世界上最聪明的模型」。
团队表示，允许Grok去进行更长时间的思考和推理。
在最新的数学基准AIME 2025上，Grok-3两款新模型性能同样刷新SOTA，分别拿下了93和90分。
顺便提一句，Grok-3思维链和o3-mini套路一样——防止被偷家xAI掩盖了部分思考过程。
接下来，让我们一睹Grok-3强大的推理能力。
高级推理Think
首先是一个太空飞船任务，生成一个地球发射、火星着陆以及下一次发射窗口返回地球的动画3D代码。
注意，这个问题的难点在于，过程中涉及到了大量数学和物理模型的计算。在此之前，团队从未试过让大模型去计算航天的发射窗口。
在「Think」模式下，可以看到Grok的思维痕迹，甚至可以进去看看Grok在解决问题时到底在想什么。
Grok 3很快生成了完整可运行的3D动画。在代码中，Grok-3数值上求解了开普勒定律。
下图是3D动画的画面，直观展示了任务过程中，太阳、地球、火星和飞船之间的位置关系。
甚至，宇航员可以据此直接算出出舱时间和距离。这上面有地球-火星往返的转移路径，这种穿越每26个月发生一次。接下来，我们现在正处于一个过渡窗口期。
研究者经过检查后激动表示：Grok-3给的答案完全正确！
最后马斯克揭开谜底：其实，这就是SpaceX真正的探索轨道。他充满信心地表示，两年内，地球和火星就会被连接在一起。
很快有网友评论，「可以确认，Grok-3强得离谱！」
与之相对比的是，o1、o1-pro、o3-mini（high）全都在这个问题上栽了：生成一段代码，实现从地球发射、登陆火星，然后在下一个发射窗口返回地球的3D动画。
「它们生成的代码能跑是能跑，但很不幸，飞船根本就没靠近过火星，更别说回来了。」该网友表示。
然后团队又让Grok-3制作一个游戏。要求是结合俄罗斯方块和宝石迷阵两个游戏的混合体。
「显然，如果你让AI去创作一款像俄罗斯方块这样的游戏，互联网上有许多例子，或者类似宝石迷阵的游戏。它可以复制它们。」演示人员表示。
所以，现场他们让Grok-3制作了一个结合了俄罗斯方块和宝石迷阵两个游戏的混合体，这次他们使用了「Big Brain」模式，可以使用更多计算能力的一种模式。
Grok-3随后开始使用python编写代码，可以看出它调用了pygame、random和time这3个库来完成游戏的编写。
代码完成后，Grok-3生成的俄罗斯方块和宝石迷阵两个游戏的混合体成功运行，虽然游戏逻辑有些随意，但是界面挺美观。
「我们在x.ai准备好成立一个游戏工作室了吗？」演示人员激动地说道，「是的，所以我们正在x.ai启动一个人工智能游戏工作室。」
在此过程中，研究者们讨论道：最好的AI模型，必须像人类一样思考，会去想所有可能的对策和解法，会自我批评、回溯，还会从第一性原理去思考。
甚至，Grok能够了解自己的逻辑和推理过程中的一些失误所在，更正自己的错误，将一些数学推理过程概念化，而现实生活中，也正是这些问题的延伸。
研究者表示，真正令人兴奋的就是，可以用Grok-3去完成现实世界中的任务，比如打造一辆特斯拉，或者去发射火箭。
这正是Grok团队目前正在思考的问题。
深度搜索DeepSearch
没想到，这一次马斯克还带来了Grok-3首个智能体——DeepSearch。
DeepSearch是Grok的第一代智能体，能够在互联网上进行更深入的搜索。
它允许用户对互联网和X平台进行全面搜索。该模式分析大量信息，并通过快速高效的搜索过程提供详细、合理的答案。
此外，它的信息检索过程对用户更加透明。你可以直接告诉它只使用来自X的内容，它会尽量遵守这个要求，因此可控性更强，也更智能。
我们可以问DeepSearch智能体：下一次星舰发射是什么时候？
可以看到，在左边，它展示出了搜索和推理的过程，而在右边，则展示出了深度思考过程，以及模型正在浏览什么样的网址和网页。
最终，智能体给出了答案：25年2月24日。
游戏玩家还可以提问：在Poe 2中最硬核的流派是什么？
除了给出答案——炼狱师召唤流之外，智能体还在回答中给出了如何获得更多武器的攻略。
因此，比起现在普通的搜索引擎，使用Grok智能体能节约更多的时间。
Grok团队表示，从此，或许所有实习生都要失业了，我们需要的只是向大模型下任务。每个月花40美元，就能带来数十亿美元的回报。
马斯克：一周内所有功能上线，几个月内全面开源
所以，Grok-3到底什么时候开放？
对此，马斯克表示，订阅Premium Plus的X用户现在已经可以用上了。
而Grok忠实粉丝则可以单独订阅SuperGrok，从而解锁深度搜索和思考模型等先进功能，并成为早体验新特性的那一波。
全新网址是grok.com，另外App Store里也可以下载了。
马斯克强调，最新版本一定是网页版，App Store里是比较落后的。
目前，Grok-3每天都在更新推理功能，马斯克放话说：一周内，Grok的所有功能都将上线！
传送门：https://grok.com/
Q&A
什么时候出语音助手版？会花一周时间。
Grok-3 API什么时候上线？几周内。
Grok 3语音模式是原生的，还是文本转语音？它是Grok-3的一个变体，能理解你说的话，并且直接生成音频。
Grok-3能否将音频转录成文本？没问题。这个声音模型不仅仅是语音转文字那么简单，它还具备对话记忆功能，能记得和你之前的交互记录。
马斯克表示，几个月之后会对Grok-3进行全面的开源。
Grok-3最令人兴奋的部分是什么？训练模型，以及百分百的逻辑推理，都是最难的部分，就像你需要随时随地设计宇宙的最新进展。
如何设计这样一个史上最难推理模型？研究者表示，我们花了24个月去打磨这个模型，确定它在逻辑推理上有了最新进展，同时他们使用了一个废弃工厂，数据中心之所以落地在孟菲斯，是因为既需要算力，又需要能源功能，需要1/4吉瓦来向GPU供能，同时还需要冷却设施。
此前，从没有人真正在数据中心实现过液冷，但Grok团队做到了！
为了进一步对数据中心供能，我们使用了特斯拉的Megapacks，并且重新计算了建筑物的能源供给。最终证明：团队的计算是有效的！
而且，过程中还需要把不同计算机联结在一起，共享信息。在此过程中，团队会看到模型之间供给不平衡的情况。
一方面，是对建筑供能和节能的重新设计；另一方面，团队设计了大模型，设计了全新的算法过程。
研究者表示，不知道其他大模型是否也像Grok-3一样，需要如此多的人力和物力。
当然，团队也希望在接下来，减少模型的能耗，把数据中心的耗能从1/4吉瓦降低下来，或许需要重新设计，让它成为世界上效率最高的数据中心。
AI大牛高度好评：Grok-3成就惊人
提前拿到内测资格后，AI大佬Karpathy展开了一番评测，分享的感悟比一篇文章还要长。
总结来说，Grok-3推理模型最领先，解决了卡坦岛（Settler's of Catan）难题。上传GPT-2论文后，Grok-3完成了简单的查找问题。
它没有解决黎曼假设难题，仅是说「这是一个伟大未解决的难题」。
在体验「深度搜索」功能时，结合了思考+深度研究的能力，能对需要研究、查找的问题提供高质量回答，并给出参考链接。
最后，Karpathy给出的评价是，「Grok-3 + Thinking表现似乎达到了与o1 Pro（每月200美元）相当的水平，并且略优于DeepSeek-R1和Gemini 2.0 Flash Thinking」。
大约一年前，xAI团队从0开始的，这么短时间内就达到了顶尖水平，这是前所未有的惊人成就。
Grok-3同样通过了物理模拟测试，效果堪比o3-mini。
xAI联创同样表示，「我们改进模型和系统的速度，比任何单一的里程碑都更重要。Grok-3证明了我们能够在19个月内从零起步达到了最先进的水平」。
此外，xAI工程师还曝出了即将上线的「高级语音模式」
Grok-3横空出世，再次把xAI带回到世界第一梯队。
用马斯克的一句话做个总结——要判断哪家公司会在技术竞争中胜出，你只需要关注其创新速度的一阶导数和二阶导数。
xAI团队胜利的这一刻，值得被记录。
奥特曼的AGI也准备就绪。
参考资料：
https://x.com/i/broadcasts/1gqGvjeBljOGB
推荐阅读
欢迎大家加入DLer-计算机视觉技术交流群！
大家好，群里会第一时间发布计算机视觉方向的前沿论文解读和交流分享，主要方向有：图像分类、Transformer、目标检测、目标跟踪、点云与语义分割、GAN、超分辨率、人脸检测与识别、动作行为与时空运动、模型压缩和量化剪枝、迁移学习、人体姿态估计等内容。
进群请备注：研究方向+学校/公司+昵称（如图像分类+上交+小明）
👆 长按识别，邀请您进群！
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
