馬斯克20萬塊GPU煉出Grok-3，暴擊DeepSeek R1數(shù)學(xué)屠榜！瘋狂復(fù)仇OpenAI

作者：新智元 2025-02-18 14:59:16

馬斯克口中全世界最聰明大模型Grok-3，終于震撼登場！20萬塊GPU訓(xùn)出的模型，實(shí)屬全球首次。果然，Grok-3已火速屠榜多個排行榜，擊敗o3-mini（high）和DeepSeek-R1。

人類史上首個在20萬塊GPU上訓(xùn)出的模型終于問世！

剛剛，馬斯克帶隊(duì)三位xAI成員在線開啟直播，官宣Grok-3全家桶——

Grok-3（Beta）、Grok-3 mini
首個推理模型Grok-3 Reasoning（Beta）、Grok-3 mini Reasoning：擊敗o3-mini/DeepSeek-R1，解鎖推理時計(jì)算
首個AI智能體「DeepSearch」：聯(lián)網(wǎng)深入搜索

一股OpenAI發(fā)布會的味道撲面而來

據(jù)介紹，三代Grok的訓(xùn)練計(jì)算量竟是Grok-2的10倍，那么實(shí)際表現(xiàn)又如何？

世界最大超算集群Colossus已有20萬塊GPU：10萬塊GPU同步訓(xùn)練（第一階段用時122天搭建）；20萬GPU（第二階段用時92天）

在多項(xiàng)基準(zhǔn)測試中，Grok-3在數(shù)學(xué)（AIME 2024）、科學(xué)問答（GPQA）、編碼（LCB）上刷新SOTA，大幅超越DeepSeek-V3、Gemini-2 Pro、GPT-4o。

Grok-3 mini的性能基本上領(lǐng)先或媲美其他閉源/開源模型。

在著名大模型LMSYS Arena排行榜中，Grok-3（chocolate終于揭秘）刷榜，Elo評分超1400位列最高，沒有任何一個模型能與之相比。

Grok-3的數(shù)學(xué)能力十分驚人，幾乎能完成大部分美國數(shù)學(xué)專業(yè)能力測試的題目。

更令人驚喜的是，Grok-3此次還帶來了推理模型——Grok-3 Reasoning，在回答問題時會展示出思維過程。

進(jìn)入聊天入口，直接選擇「Think」模式，即可開啟魔法。

此外，還有「Big Brain」模式、智能體「深度搜索」（Deep Search）模式同步上線。

幾天前，馬斯克曾在預(yù)告中放出豪言，「這是地球上最聰明的AI」，此言不虛。

總愛搞點(diǎn)事情的奧特曼，一會兒說GPT-4.5讓自己深刻感受到AGI，一會兒又要開源模型全網(wǎng)投票。

甚至有網(wǎng)友提議，不如咱就7:30pm發(fā)布GPT-4.5吧！奧特曼：這不太好吧。

奧特曼的這番言論，擺明了是要擾亂軍心。據(jù)傳言，Grok-3發(fā)布這一歷史性時刻，OpenAI全員觀戰(zhàn)。

OpenAI前腳發(fā)布的o3-mini剛剛擊敗了R1，如今又被Grok-3追回。不知今晚，GPT-4.5會不會降臨？

暴擊o3-mini、DeepSeek-R1，解鎖測試時計(jì)算

有人說，Grok-3是終極的Scaling Law測試，如今看來，事實(shí)如此。

從2023年Grok-1首次面世，到Grok-1.5，再到Grok-2逐步迭代，模型推理性能飛速飆升的同時，還吞噬了大量的算力。

Grok-3家族，更是將「測試時計(jì)算」發(fā)揮到了極致。10萬塊H100超算，訓(xùn)出的野獸幾乎無「模」能敵。

它成為首個Elo評分打破1400的模型，在所有分類測試中位列第一。

在多項(xiàng)基準(zhǔn)測試中，推理模型Grok-3 Reasoning和Grok-3 mini Reasoning在數(shù)學(xué)、科學(xué)、編碼上，性能均大幅超越o3-mini（high）、o1、DeepSeek-R1，還有Gemi-2 Flash Thinking。

可以說，迄今為止最強(qiáng)「推理模型」，全部敗給了Grok-3 Reasoning，可以說，它是名副其實(shí)的「世界上最聰明的模型」。

團(tuán)隊(duì)表示，允許Grok去進(jìn)行更長時間的思考和推理。

在最新的數(shù)學(xué)基準(zhǔn)AIME 2025上，Grok-3兩款新模型性能同樣刷新SOTA，分別拿下了93和90分。

順便提一句，Grok-3思維鏈和o3-mini套路一樣——防止被偷家xAI掩蓋了部分思考過程。

接下來，讓我們一睹Grok-3強(qiáng)大的推理能力。

高級推理Think

首先是一個太空飛船任務(wù)，生成一個地球發(fā)射、火星著陸以及下一次發(fā)射窗口返回地球的動畫3D代碼。

注意，這個問題的難點(diǎn)在于，過程中涉及到了大量數(shù)學(xué)和物理模型的計(jì)算。在此之前，團(tuán)隊(duì)從未試過讓大模型去計(jì)算航天的發(fā)射窗口。

在「Think」模式下，可以看到Grok的思維痕跡，甚至可以進(jìn)去看看Grok在解決問題時到底在想什么。

Grok 3很快生成了完整可運(yùn)行的3D動畫。在代碼中，Grok-3數(shù)值上求解了開普勒定律。

下圖是3D動畫的畫面，直觀展示了任務(wù)過程中，太陽、地球、火星和飛船之間的位置關(guān)系。

甚至，宇航員可以據(jù)此直接算出出艙時間和距離。這上面有地球-火星往返的轉(zhuǎn)移路徑，這種穿越每26個月發(fā)生一次。接下來，我們現(xiàn)在正處于一個過渡窗口期。

研究者經(jīng)過檢查后激動表示：Grok-3給的答案完全正確！

最后馬斯克揭開謎底：其實(shí)，這就是SpaceX真正的探索軌道。他充滿信心地表示，兩年內(nèi)，地球和火星就會被連接在一起。

很快有網(wǎng)友評論，「可以確認(rèn)，Grok-3強(qiáng)得離譜！」

與之相對比的是，o1、o1-pro、o3-mini（high）全都在這個問題上栽了：生成一段代碼，實(shí)現(xiàn)從地球發(fā)射、登陸火星，然后在下一個發(fā)射窗口返回地球的3D動畫。

「它們生成的代碼能跑是能跑，但很不幸，飛船根本就沒靠近過火星，更別說回來了。」該網(wǎng)友表示。

然后團(tuán)隊(duì)又讓Grok-3制作一個游戲。要求是結(jié)合俄羅斯方塊和寶石迷陣兩個游戲的混合體。

「顯然，如果你讓AI去創(chuàng)作一款像俄羅斯方塊這樣的游戲，互聯(lián)網(wǎng)上有許多例子，或者類似寶石迷陣的游戲。它可以復(fù)制它們。」演示人員表示。

所以，現(xiàn)場他們讓Grok-3制作了一個結(jié)合了俄羅斯方塊和寶石迷陣兩個游戲的混合體，這次他們使用了「Big Brain」模式，可以使用更多計(jì)算能力的一種模式。

Grok-3隨后開始使用python編寫代碼，可以看出它調(diào)用了pygame、random和time這3個庫來完成游戲的編寫。

代碼完成后，Grok-3生成的俄羅斯方塊和寶石迷陣兩個游戲的混合體成功運(yùn)行，雖然游戲邏輯有些隨意，但是界面挺美觀。

「我們在x.ai準(zhǔn)備好成立一個游戲工作室了嗎？」演示人員激動地說道，「是的，所以我們正在x.ai啟動一個人工智能游戲工作室。」

在此過程中，研究者們討論道：最好的AI模型，必須像人類一樣思考，會去想所有可能的對策和解法，會自我批評、回溯，還會從第一性原理去思考。

甚至，Grok能夠了解自己的邏輯和推理過程中的一些失誤所在，更正自己的錯誤，將一些數(shù)學(xué)推理過程概念化，而現(xiàn)實(shí)生活中，也正是這些問題的延伸。

研究者表示，真正令人興奮的就是，可以用Grok-3去完成現(xiàn)實(shí)世界中的任務(wù)，比如打造一輛特斯拉，或者去發(fā)射火箭。

這正是Grok團(tuán)隊(duì)目前正在思考的問題。

深度搜索DeepSearch

沒想到，這一次馬斯克還帶來了Grok-3首個智能體——DeepSearch。

DeepSearch是Grok的第一代智能體，能夠在互聯(lián)網(wǎng)上進(jìn)行更深入的搜索。

它允許用戶對互聯(lián)網(wǎng)和X平臺進(jìn)行全面搜索。該模式分析大量信息，并通過快速高效的搜索過程提供詳細(xì)、合理的答案。

此外，它的信息檢索過程對用戶更加透明。你可以直接告訴它只使用來自X的內(nèi)容，它會盡量遵守這個要求，因此可控性更強(qiáng)，也更智能。

我們可以問DeepSearch智能體：下一次星艦發(fā)射是什么時候？

可以看到，在左邊，它展示出了搜索和推理的過程，而在右邊，則展示出了深度思考過程，以及模型正在瀏覽什么樣的網(wǎng)址和網(wǎng)頁。

最終，智能體給出了答案：25年2月24日。

游戲玩家還可以提問：在Poe 2中最硬核的流派是什么？

除了給出答案——煉獄師召喚流之外，智能體還在回答中給出了如何獲得更多武器的攻略。

因此，比起現(xiàn)在普通的搜索引擎，使用Grok智能體能節(jié)約更多的時間。

Grok團(tuán)隊(duì)表示，從此，或許所有實(shí)習(xí)生都要失業(yè)了，我們需要的只是向大模型下任務(wù)。每個月花40美元，就能帶來數(shù)十億美元的回報。

馬斯克：一周內(nèi)所有功能上線，幾個月內(nèi)全面開源

所以，Grok-3到底什么時候開放？

對此，馬斯克表示，訂閱Premium Plus的X用戶現(xiàn)在已經(jīng)可以用上了。

而Grok忠實(shí)粉絲則可以單獨(dú)訂閱SuperGrok，從而解鎖深度搜索和思考模型等先進(jìn)功能，并成為早體驗(yàn)新特性的那一波。

全新網(wǎng)址是grok.com，另外App Store里也可以下載了。

馬斯克強(qiáng)調(diào)，最新版本一定是網(wǎng)頁版，App Store里是比較落后的。

目前，Grok-3每天都在更新推理功能，馬斯克放話說：一周內(nèi)，Grok的所有功能都將上線！

傳送門：https://grok.com/

Q&A

什么時候出語音助手版？會花一周時間。

Grok-3 API什么時候上線？幾周內(nèi)。

Grok 3語音模式是原生的，還是文本轉(zhuǎn)語音？它是Grok-3的一個變體，能理解你說的話，并且直接生成音頻。

Grok-3能否將音頻轉(zhuǎn)錄成文本？沒問題。這個聲音模型不僅僅是語音轉(zhuǎn)文字那么簡單，它還具備對話記憶功能，能記得和你之前的交互記錄。

馬斯克表示，幾個月之后會對Grok-3進(jìn)行全面的開源。

Grok-3最令人興奮的部分是什么？訓(xùn)練模型，以及百分百的邏輯推理，都是最難的部分，就像你需要隨時隨地設(shè)計(jì)宇宙的最新進(jìn)展。

如何設(shè)計(jì)這樣一個史上最難推理模型？研究者表示，我們花了24個月去打磨這個模型，確定它在邏輯推理上有了最新進(jìn)展，同時他們使用了一個廢棄工廠，數(shù)據(jù)中心之所以落地在孟菲斯，是因?yàn)榧刃枰懔Γ中枰茉垂δ埽枰?/4吉瓦來向GPU供能，同時還需要冷卻設(shè)施。

此前，從沒有人真正在數(shù)據(jù)中心實(shí)現(xiàn)過液冷，但Grok團(tuán)隊(duì)做到了！

為了進(jìn)一步對數(shù)據(jù)中心供能，我們使用了特斯拉的Megapacks，并且重新計(jì)算了建筑物的能源供給。最終證明：團(tuán)隊(duì)的計(jì)算是有效的！

而且，過程中還需要把不同計(jì)算機(jī)聯(lián)結(jié)在一起，共享信息。在此過程中，團(tuán)隊(duì)會看到模型之間供給不平衡的情況。

一方面，是對建筑供能和節(jié)能的重新設(shè)計(jì)；另一方面，團(tuán)隊(duì)設(shè)計(jì)了大模型，設(shè)計(jì)了全新的算法過程。

研究者表示，不知道其他大模型是否也像Grok-3一樣，需要如此多的人力和物力。

當(dāng)然，團(tuán)隊(duì)也希望在接下來，減少模型的能耗，把數(shù)據(jù)中心的耗能從1/4吉瓦降低下來，或許需要重新設(shè)計(jì)，讓它成為世界上效率最高的數(shù)據(jù)中心。