北京时间2月18日，科技界迎来了一场万众瞩目的盛事——马斯克携手xAI团队，在直播中隆重揭晓了Grok系列的最新力作：Grok3。在这场发布会之前，凭借马斯克无休止的预热与各式信息的释放，全球观众对Grok3的期待值已被推向顶峰。
马斯克在直播中，满怀信心地展示了Grok3在数学、科学与编程领域的卓越表现，甚至预言它将助力SpaceX的火星探索任务，未来三年内有望带来诺贝尔奖级别的科学突破。然而，这些豪言壮语能否站得住脚，还需时间的检验。
在发布会后不久，不少测试者便迫不及待地体验了Grok3的Beta版本，并提出了一些经典难题来考验这位“AI天才”。例如，当被问及“9.11与9.9哪个大”这一看似简单的问题时，Grok3却未能给出正确答案，令人大跌眼镜。这一测试迅速在网络上发酵，引发了广泛讨论。
不仅如此，海外网友也纷纷发起类似测试，发现Grok3在回答基础物理、数学问题时同样捉襟见肘，如“比萨斜塔上两个球哪个先落下”这样的问题也难住了它。一时间，“天才不愿回答简单问题”的调侃之声四起。
更为尴尬的是，在xAI发布会直播现场，马斯克演示Grok3分析他声称常玩的游戏《流放之路2》的职业与升华效果时，Grok3给出的答案竟大部分是错误的，而马斯克却未察觉这一明显失误。这一插曲不仅成为网友嘲讽马斯克游戏水平的“实锤”，也让人们对Grok3的可靠性产生了严重质疑。
事实上，早在发布会前的预热阶段，马斯克就曾自信满满地表示，xAI即将推出超越DeepSeek R1的AI模型。然而，经过众多测试者的亲身体验，Grok3的表现并未明显优于DeepSeek R1或o1-Pro等其他主流模型。甚至有测试者指出，Grok3在某些方面的表现甚至不如前辈。
尽管在官方PPT中，Grok3在大模型竞技场Chatbot Arena中实现了“遥遥领先”的战绩，但这背后却隐藏着一些作图技巧。榜单的纵轴仅列出了1400-1300分段的排名，使得原本微小的差距在PPT中显得异常显著。而实际的模型跑分结果显示，Grok3与DeepSeek R1及GPT4.0的差距仅为1%-2%。
值得注意的是，为了训练出Grok3这位“AI天才”，马斯克不惜耗费了巨额资源。据他透露，Grok3的训练使用了超过20万张H100 GPU，总训练小时数达到两亿小时。这一数字令人咋舌，也引发了业界对于模型训练未来走向的热烈讨论。然而，有网友对比发现，使用2000张H800训练两个月的DeepSeek V3，在算力消耗上仅为Grok3的263分之一，而两者在榜单上的差距却不到100分。
这一系列事实表明，随着模型体积的不断增大，性能提升的边际效应已愈发明显。即便是拥有海量高质量数据的xAI，也遭遇了优质训练数据不足的瓶颈。面对这一困境，马斯克在社交媒体上不断强调当前版本仅为测试版，完整版将在未来几个月推出，并亲自化身产品经理，鼓励用户反馈问题。
然而，Grok3的表现无疑给那些试图通过“大力出奇迹”训练出更强大模型的后来者敲响了警钟。随着模型参数体积的飞涨，训练成本也在飙升。如何在有限的资源下实现模型性能的最大化，已成为业界亟待解决的问题。或许，正如OpenAI前首席科学家Ilya Sutskever所言，“预训练模型的时代即将结束”，未来的AI系统需要具备真正的自主性和类人脑的推理能力。
