近日，人工智能初创公司xAI发布了更新版Grok 3大模型，并由埃隆·马斯克亲自为其站台，称其为“地球上最聪明的人工智能”。根据官方公布的测试结果，Grok 3在多个基准测试中表现出色，超越了GPT-4、Gemini-2 Pro、DeepSeek V3、Claude 3.5 Sonnet等竞争对手。然而，实际用户体验和部分专家的评价却引发了争议。
Grok 3在AIME（数学问题）和GPQA（博士级别物理、生物和化学问题）等基准测试中取得了优异成绩。在Chatbot Arena（LMSYS）测试中，早期版本的Grok 3获得了140分，远超Gemini 2.0 Flash Thinking实验版本、ChatGPT-4最新版本以及DeepSeek R1等其他模型。xAI工程师对此表示自豪，但也有用户对Grok 3的能力提出了质疑。
一些用户在体验后认为，Grok 3的表现并没有马斯克宣称的那么强大。OpenAI应用研究主管Boris Power更是对Grok团队在模型评估中的行为表示失望，指出其存在作弊和欺骗的动机。Boris Power提到，o3-mini在各项评估中均优于Grok 3。这使得真相变得更加扑朔迷离。
为了验证Grok 3的真实能力，《每日经济新闻》记者进行了多项测试。结果显示，Grok 3确实达到了世界顶级模型的水平，但在与其他模型的竞争中并未拉开太大差距。唯一显著的优势是其极快的响应速度。
首先从一个简单的问题开始：“9.9和9.11谁大？”这个问题毫无难度，Grok 3轻松应对，证明了其基本运算能力的可靠性。
接下来是逻辑思考和文字理解能力的测试。记者用了一些具有挑战性的问题来检验Grok 3的推理能力。例如，“用水来兑水，得到的是浓水还是稀水？” Grok 3成功答对，并指出了这是一个文字游戏。然而，在更复杂的逻辑推理问题上，Grok 3的表现并不如DeepSeek R1。例如，在分析实验室动物飞行的原因时，Grok 3未能给出完全正确的答案，而DeepSeek R1则成功考虑了多种可能性。
在数学能力方面，Grok 3表现优异。例如，在解决三个人打台球的问题时，Grok 3仅用了1分15秒就得出正确答案，而OpenAI的o1则用了2分53秒。然而，在更高难度的群论问题上，Grok 3虽然答对了具体的数量，但中间的具体群却错了一个。总体来看，Grok 3的数学能力确实最强，但并未与其他同等级模型拉开显著差距。
针对编程能力的测试，Grok 3的表现也相当出色。通过复现马斯克在发布会上展示的火星发射计划代码模拟，Grok 3的推理模型（思考模式）综合得分排在了第一名，但与OpenAI的o1相比，两者的差距并不大。
结合所有测试结果，Grok 3确实是世界顶尖的AI模型，但实际效果并没有马斯克在发布会上展示得那么夸张。马斯克所说的世界上最“聪明”的模型，可能还需要进一步验证。Grok 3的最大优势在于其极快的响应速度，这一特点使其在实际应用中具备明显竞争力。
文章内容来源于网络，不代表本站立场，若侵犯到您的权益，可联系多特删除。（联系邮箱：[email protected]）
相关阅读
近期热点
最新资讯
举报