近期，人工智能领域迎来了一场震撼发布，埃隆·马斯克旗下的人工智能初创公司xAI推出了其最新力作——Grok 3大模型。马斯克在发布会上毫不吝啬地赞誉其为“地球上最聪明的人工智能”，这一声明迅速引发了业界的广泛关注与讨论。
据官方公布的测试结果，Grok 3在多项基准测试中表现抢眼，尤其是在AIME（数学能力评估）和GPQA（博士级物理学、生物学、化学问题评估）等关键领域，其成绩远超GPT-4o、Gemini-2 Pro、DeepSeek V3、Claude 3.5及Sonnet等大模型。在备受瞩目的大模型竞技场Chatbot Arena（LMSYS）测试中，早期版本的Grok 3更是以140分的优异成绩夺得榜首，将Gemini 2.0 Flash Thinking实验版、ChatGPT-4o最新版本及DeepSeek R1等强劲对手甩在身后。
然而，尽管官方数据亮眼，部分用户在亲身体验后却对Grok 3的实际能力产生了质疑。他们认为，Grok 3的表现并未达到马斯克所宣称的高度。更为戏剧性的是，OpenAI应用研究主管Boris Power公开表达了对Grok团队评估方法的失望，指责其存在作弊嫌疑，并强调o3-mini在各项评估中的表现均优于Grok 3。
为了探究真相，《每日经济新闻》记者亲自对Grok 3进行了深入测试。测试发现，Grok 3确实展现出了世界顶级AI模型的水平，但在与其他模型的对比中并未形成明显的优势。其最突出的特点在于极快的响应速度，这一点远超其他同等级的大模型。
在基础问题的测试中，如“9.9和9.11谁大”，Grok 3轻松给出了正确答案。但在面对更为复杂的逻辑思考和文字理解挑战时，Grok 3的表现则略显波动。例如，在处理包含逻辑陷阱的“弱智吧”问题时，尽管Grok 3成功答对了部分题目，但在一道涉及因果推理的题目中却未能给出正确答案。相比之下，DeepSeek R1在此类问题上的表现更为出色。
在数学能力的测试中，Grok 3展现出了其强大的实力。在一道复杂的台球对局问题中，Grok 3迅速给出了正确答案，且用时远少于OpenAI的o1。然而，在更为专业的群论问题中，尽管Grok 3答对了最终数量，但在具体群的识别上却出现了误差。这表明，尽管Grok 3在数学领域表现优异，但并未与其他同等级模型形成显著的差距。
在编程能力的测试中，Grok 3同样展现出了不俗的实力。Kcores联合创始人karminski-牙医的测评结果显示，Grok 3在火星发射计划的代码模拟中表现优异，尽管在最终动画呈现上略有瑕疵，但整体轨道计算精确无误。在综合得分上，Grok 3位列第一，紧随其后的是OpenAI的o1，两者得分差距较小。
综合各项测试结果来看，Grok 3无疑是一款实力强劲的AI模型，其表现足以证明其20万张GPU的身价不菲。然而，在实际测试中，Grok 3并未像基准测试得分那样远远甩开对手，其最突出的优势在于极快的响应速度。至于马斯克所宣称的“地球上最聪明的人工智能”这一称号，或许还有待商榷。
