— Hi everyone. My name is Igor, lead engineering at X.

— I'm Jimmy, leading research.

— I'm Tony, working on the recent team.

— All right. I'm Elon. I don't do anything. I just show up occasionally.

作者｜苏霍伊

DeepSeek搅动的混天绫，又一次在人工智能的海域卷起了巨浪。让OpenAI、xAI等一众公司都坐不住了。

美西时间2月17号，埃隆·马斯克（Elon Musk）的人工智能初创公司xAI推出Grok-3模型，并十分高调地宣称，这是“地表最聪明的AI”。

马斯克与三位工程师共同完成了演示，其中左一的工程团队负责人伊戈尔・巴布什金（Igor Babuschkin），原是DeepMind 的高级研究员；左二的研究负责人Jimmy Ba是杰弗里·辛顿 (Geoffrey Hinton) 的学生；右二的Tony吴宇怀（Yuhuai Wu）是近期加入团队的成员。

团队透露，Grok-3的计算能力是前代产品的“10倍以上”。据悉，Grok-3是在今年1月初完成预训练，目前还在不断优化中。马斯克表示：“ 我们每天都在改进模型，所以24小时内能看到进步。”

他也在直播中表示，“Grok”的名字来自罗伯特·海因莱因（Robert Anson Heinlein）的小说《异乡异客》，主角是在火星上长大的人类，“Grok”也是一个“火星词”，代表充分而深刻地理解事物。

随后他说道，xAI和 Grok的使命就是理解宇宙。“我们希望解答最宏大的问题： 外星人在哪里？生命的意义是什么？宇宙如何终结？”

根据xAI数据，Grok-3在数学（AIME’24）、科学（GPQA）以及编程（LCB Oct-Feb）三大基准测试中的表现还不错。数据上是超越了所有主流模型，包括GPT-4o、Claude 3.5 Sonnet、DeepSeek-V3和Gemini-2 Pro等。

各大模型在Chatbot Arena成绩比较

以数学测试为例，Grok-3取得了52分的最高成绩，而同属xAI阵营的Grok-3 mini则拿到40分，DeepSeek-V3以39分紧随其后；Gemini-2 Pro拿到36分，Claude 3.5 Sonnet和GPT-4o分别只有16分和9分。

科学和编程测试的情况也大同小异。Grok-3都以较大优势领先其他模型，Grok-3 mini、Gemini-2 Pro、DeepSeek-V3、Claude 3.5 Sonnet以及GPT-4o各自分列二至六名。

Grok-3与其他模型在数学、科学和编程基准测试的比较

除了Grok-3，xAI还推出了一款名为DeepSearch的新型智能搜索引擎。DeepSearch基于Grok-3开发，具备推理能力，并提供完整地思考过程。在演示中，DeepSearch展示了其在研究、头脑风暴和数据分析等场景中的应用潜力。

Grok-3依托由20万块NVIDIA H100 GPU构建的Colossus超算集群，计算能力是前代Grok-2的10倍，预训练阶段的消耗相当于一座核电站7%的月发电量。 Colossus从筹建到上线仅用了122天，xAI计划将Colossus的规模扩大十倍，整合超过100万块GPU，用以超越谷歌、OpenAI等竞争对手。

相比之下，DeepSeek-V3的算法优化路径仅使用了2048块英伟达H800 GPU，耗费了557.6万美元就完成了训练，比同等规模的模型（如GPT-4、GPT-4o、Llama 3.1），训练成本大幅降低。同时，Grok 3还是非开源模型，需要付费。

DeepSeek-V3的训练成本（假设H800的租赁价格为2美元/GPU小时），图片DeepSeek-V3技术报告

1.Grok 3 聪明在哪儿？

xAI表示，Grok-3聪明的原因是它背后依托了Colossus，通过“突破光速”的研发模式实现了技术飞跃。

“最优秀的人工智能不仅依赖大规模预训练，更需要具备类人推理能力，即能够独立思考解决方案、自我批判、验证、回溯，并从第一性原理出发。”根据这一思路，xAI在预训练模型的基础上引入了强化学习，希望进一步推进模型的推理能力。

在Chatbot Arena LMSYS基准测试中，Grok-3获得了1400分的最高成绩，远超竞争对手——Claude 3约1360分，GPT-4约1340分。

据xAI最新公开资料显示，在一场针对AGI核心引擎的纯粹盲测中，用户在不知答案来源的情况下提交同一查询，并对两个不同模型的回答进行投票。结果显示，Grok-3的早期版本在这一测试中获得了1,400 ELO分，远超其他竞争对手，如Claude 3和GPT-4等。这一盲测方式仅考察模型本身的推理能力，而非依赖外部数据或提示。

除了Grok-3和Grok-3 mini，xAI团队还推出了两个专门用于推理的模型。其中，Grok-3 mini Reasoning已经相对成熟，而Grok-3 Reasoning Beta仍处于测试阶段。

在直播演示中，马斯克和研发团队测试了物理和游戏两个案例。

首先团队仅输入一行指令，让Grok-3编写代码，生成一段模拟火箭从地球发射、降落火星，并在合适的发射窗口返回地球的3D动画。Grok-3在考虑了开普勒定律后，不但生成了可以绘制出动画的代码，还生成了一段模拟火箭发射轨迹的3D动画。

马斯克解释道：“Grok正在模拟两个不同的行星——地球和火星。绿色的球体代表飞船，在地球与火星之间穿梭。你可以看到从地球到火星的旅程，最终宇航员安全返回。”

同时他也插播了一句：“如果一切顺利，SpaceX 将在未来两年把星舰火箭送往火星，搭载Optimus机器人和Grok。”

给Grok-3的第二个问题是：设计一个结合俄罗斯方块和宝石迷阵玩法的混合游戏。并提示代码可能较长，还要“insanely great”。经过思考，Grok 3设计出了既有俄罗斯方块的消除机制，又有宝石迷阵特点的游戏。

xAI也让Grok-3去做了AIME 2025竞赛。最终Grok-3 Reasoning Beta以93分的高分拔得头筹，Grok-3 mini Reasoning也取得了90分，均领先于其他参赛模型。相比之下，o3mini（高精度版）得分为87，o1为79，DeepSeek-R1为75，而Gemini-2 Flash Thinking仅获得54分。

乍一看，Grok-3似乎已经坐稳了数学推理领域的“头把交椅”。但仔细推敲，这些成绩是否真的能证明Grok-3的绝对领先地位？或许还不能轻易下结论，毕竟测试环境和数据集的选择可能对结果产生影响，单一测试并不能全面反映模型的综合性能。同时Grok-3 Reasoning Beta仍处于测试阶段，稳定性和可靠性尚未经过广泛验证。

此外，xAI还推出了一款名为DeepSearch的新型智能搜索引擎。它能搜索网页、查找资料和推测用户意图并思考，并在交叉比对后确保返回正确的信息。

马斯克表示：“Grok-3能减少AI幻觉。”实现方式是反复检查数据并确保逻辑一致，他也透露，Grok-3训练时使用的算力远超之前版本，并大量采用了合成数据。自2023年7月成立xAI以来，xAI先后于2023年11月和2024年8月发布了Grok-1和Grok-2，前者拥有3140亿参数，成为当时参数量最大的开源大模型。

发布后最后，马斯克预告，或许一周后Grok-3将推出语音模式。后面Grok-3将通过xAI的企业API提供和DeepSearch功能。

2.马斯克最近很忙

马斯克近期又多了一个身份，即现任“政府效率部”（DOGE）部长。

马斯克发布政府效率部（DOGE）LOGO

自上任以来，马斯克一个接一个地锤向国际开发署、教育部和国土安全部等机构。不仅睡在办公室，还带领为数不多的手下每天工作17小时。其网站称，DOGE近期宣布削减550亿美元开支。

同时，他在与OpenAI的“恩怨”上也没闲着。

就在这个月，马斯克领导的投资财团向OpenAI提出了974亿美元的收购要约，表示要“将OpenAI重新定位为非营利性研究机构”。根据收购计划，交易后OpenAI会与xAI合并。

OpenAI首席执行官萨姆·奥尔特曼（Samuel Altman）随后便在X上隔空回怼：“不了，谢谢。不过如果你愿意的话，我们愿意以97.4亿美元的价格收购推特。”

马斯克与奥尔特曼已经有过多轮法律战和公关战。去年马斯克起诉了奥尔特曼，OpenAI随后便发布了一篇名为《OpenAI与埃隆·马斯克》的博文回应了指控。马斯克也不甘示弱，在社交媒体上表示如果OpenAI将名称更改为“ClosedAI”，他将撤回对其的诉讼。

高端的商战往往就是这么朴实无华。

在Grok-3发布之际，不知是否有意为之，奥特曼也在同一日宣布GPT4.5已经进入测试阶段，AGI 的时刻即将来临，正式发布也指日可待。

与此同时，Anthropic也宣布即将发布Claude-4系列。随着OpenAI、Anthropic、meta和Google等不断推出更先进的AI产品，未来的竞争只会越发激烈。

近年来，人工智能领域的每一次突破似乎都被冠以“世界第一”、“革命性”、“颠覆性”等夸张的标签。从OpenAI的GPT系列到Google的Gemini，再到xAI的Grok-3，每一款新模型的发布都被媒体包装成“改变游戏规则”的里程碑。但真正的科技创新是需要被客观思考的，只有这样才能深入理解其背后的复杂性和实际应用价值。

其实不加“世界第一”“地表最聪明AI”等定语，也可以开产品开发布会。而当AI被“世界第一”淹没，我们是否迷失在华丽辞藻中？

至于谁能否真正脱颖而出、成为行业领军者，还需时间和市场来验证。

（文中未备注图片皆来自xAI或X）