近期，科技界迎来了一场备受瞩目的发布会，由埃隆·马斯克及其xAI团队带来的Grok 3正式亮相。此前，马斯克通过一系列预热活动，已经将公众对Grok 3的期待值推向了新的高峰。然而，尽管马斯克对Grok 3寄予厚望，并赋予了其极高的评价，但其实际表现却并未如预期般惊艳。
在发布会上，马斯克自信满满地宣布，Grok 3在数学、科学与编程等领域的基准测试中，已经超越了所有主流模型。他甚至表示，计划将Grok 3应用于SpaceX的火星任务计算，并预测在未来三年内，Grok 3有望实现诺贝尔奖级别的突破。这样的豪言壮语，无疑让人们对Grok 3充满了期待。
然而，现实却给马斯克和Grok 3泼了一盆冷水。在发布会后，一些媒体对Grok 3进行了测试，结果却令人大跌眼镜。当被问及“9.11与9.9哪个大”这一简单问题时，号称目前最聪明的Grok 3竟然无法给出正确答案，这一表现引发了网友们的广泛调侃和嘲笑。
不仅如此，在xAI发布会直播中，当Grok 3被用来分析游戏《流放之路 2》的职业与升华效果时，也给出了大量错误答案。更为尴尬的是，马斯克在直播中并未发现这些明显的错误。这一系列问题，让人们对Grok 3的实际能力产生了严重质疑。
尽管在官方PPT中，Grok 3在大模型竞技场Chatbot Arena中看似表现优异，但实际上，其与DeepSeek R1和GPT4.0的差距仅为1%到2%。这一数据表明，随着模型规模的不断扩大，性能提升的边际效应已经越来越明显。
在发布会上，马斯克透露，Grok 3使用了超过20万张H100芯片，总训练小时数达到两亿小时。然而，与之相比，DeepSeek V3仅使用了2000张H800芯片训练两个月，就取得了与Grok 3相差无几的性能。这一对比，进一步凸显了Grok 3在性能提升上的困境。
面对外界的质疑和批评，马斯克在社交媒体上表示，当前的Grok 3仅是测试版，完整版将在未来几个月内推出。他邀请用户反馈使用问题，并表示将针对这些问题进行改进和优化。然而，对于已经对Grok 3失去信心的用户来说，这一表态是否能够挽回他们的信任，仍然是一个未知数。
