北京时间2月18日，科技界迎来了一场万众瞩目的直播发布——马斯克携手xAI团队正式揭晓了Grok系列的最新力作，Grok3。在这场发布会之前，马斯克通过多渠道预热，将全球对Grok3的期待推向了高潮。他甚至在直播中提及Grok3将应用于SpaceX的火星任务，并预言其将在三年内带来诺贝尔奖级别的突破。
然而，发布会后的实际测试却给这份狂热泼了一盆冷水。众多测试者发现，尽管Grok3在数学、科学与编程基准测试中表现不俗，但在面对一些基础常识问题时却频频“翻车”。例如，当被问及“9.11与9.9哪个大”这一简单数学问题时，Grok3竟未能给出正确答案。这一尴尬局面迅速在网络上发酵，引发了广泛讨论。
不仅如此，在发布会直播现场，马斯克演示Grok3分析游戏《流放之路2》职业与升华效果时，也暴露出了大量错误答案。这一失误不仅成为了网友调侃马斯克游戏水平的笑料，也让人们对Grok3的实际应用能力产生了严重质疑。
据透露，为了训练Grok3，马斯克不惜投入巨额资源，使用了超过20万张H100 GPU，总训练时长达到两亿小时。这一数字虽然彰显了xAI团队的雄心壮志，但也引发了业界对于“算力堆砌”是否真的是大模型训练未来的深刻反思。有网友对比指出，Grok3的训练算力消耗是DeepSeek V3的263倍，但两者在模型竞技场榜单上的得分差距却微不足道。
事实上，早在Grok2时代，xAI团队就因在榜单上“刷分”而备受争议。此次Grok3虽然成功登顶，但“高分低能”的质疑声依然不绝于耳。许多测试者表示，在实际应用中，Grok3的表现并不比DeepSeek R1或GPT4.0等竞品更为出色。
面对种种质疑，马斯克在社交媒体上积极回应，表示当前版本的Grok3仍处于测试阶段，完整版将在未来几个月内推出。他甚至亲自化身产品经理，鼓励用户反馈使用过程中遇到的问题。然而，Grok3的“翻车”事件已经给整个行业敲响了警钟——在追求模型规模和算力的同时，如何确保模型的实用性和智能性成为了亟待解决的问题。
值得注意的是，OpenAI前首席科学家Ilya Sutskever曾预言“预训练时代即将结束”。他指出，随着互联网中人类生成内容的有限性日益凸显，模型难以再通过简单获取数据来提升性能。未来的AI系统将需要具备真正的自主性和类似人脑的推理能力。这一观点为行业指明了方向，也提醒人们在“力大飞砖”之外寻找大模型训练的新出路。
