近日，埃隆·马斯克领导的xAI团队正式发布了备受瞩目的Grok 3。 在发布前，马斯克对Grok 3给予了极高的评价，甚至将其誉为一次划时代的智能飞跃，引发了科技界的广泛关注和期待。然而，理想与现实之间往往存在差距，Grok 3的实际表现引发了一些讨论的声音。
发布会上，马斯克宣称Grok 3在数学、科学和编程等领域超越了所有主流模型，并计划将其应用于SpaceX的火星任务计算，甚至预测未来三年内将取得诺贝尔奖级别的科研成就。这种充满激情的描述，无疑提升了公众对Grok 3的期望值。然而，后续测试结果并未完全支撑这些雄心勃勃的愿景。
在发布会之后，一些媒体对Grok 3 Beta版进行了测试，并发现了一些短板。 其中，一个看似简单的数学问题——“9.11与9.9哪个大？”——Grok 3未能给出正确答案，这一表现引发了网络上的热议和调侃。 网友甚至戏称其为“不屑于回答简单问题的天才”，无疑是对其过高宣传的一种反讽。
更令人惊讶的是，在xAI发布会的直播过程中，Grok 3在分析游戏《流放之路 2》的职业与升华效果时，也出现了大量的错误答案。 而马斯克本人在直播中似乎并未察觉这些明显的错误，这进一步引发了人们对其真实性能的质疑。这种疏忽也暴露出AI模型在特定领域的知识储备和理解能力可能存在的局限性。
虽然xAI的官方PPT显示，Grok 3在大模型竞技场Chatbot Arena中的表现优异，但深入分析后发现，其与DeepSeek R1和GPT4.0的差距仅为1%到2%。 考虑到GPT-4已经发布一段时间，且DeepSeek R1相对更新，这种微弱的优势似乎难以支撑马斯克之前的高调宣传。 这也反映出当前大型语言模型在性能提升方面，已经进入了瓶颈期，需要更加创新性的技术突破。
马斯克透露，Grok 3使用了超过20万张H100芯片，训练耗时高达两亿小时。 相比之下，DeepSeek V3仅使用2000张H800芯片训练两个月，便取得了与Grok 3相近的性能。 这一对比，揭示了当前模型规模扩大带来的收益递减效应。 换句话说，当模型达到一定规模后，投入更多的资源可能无法线性地提升性能，需要更高效的训练方法和模型架构创新。
面对外界的质疑，马斯克在社交媒体上回应称，当前的Grok 3仅为测试版本，完整版将在未来几个月内发布。 同时，他也诚邀用户反馈使用中的问题， 积极收集数据以改进Grok 3的性能。 这一表态暗示了Grok 3仍有改进的空间，同时也展现了xAI团队致力于解决当前问题的决心。 未来Grok 3能否真正实现其宏伟目标，仍有待进一步观察和验证。
