近日，东说念主工智能初创公司xAI发布了更新版Grok 3大模子，埃隆·马斯克称之为“地球上最机灵的东说念主工智能”。

把柄官方公开的测试规模，Grok 3在包括AIME（评估模子在一系列数学问题上的弘扬）和 GPQA（评估模子在博士级别的物理学、生物学和化学问题上的弘扬）等基准测试中，远超 GPT-4o、Gemini-2 Pro、DeepSeek V3、Claude 3.5 Sonnet 等大模子。

在大模子竞技场 Chatbot Arena（LMSYS）测试中，xAI工程师暗意，早期版块的Grok 3赢得了第一的得益，达到了140分，超越了Gemini 2.0 Flash Thinking实验版块、ChatGPT-4o最新版块以及最近大火的DeepSeek R1等等。

关联词，有些用户在体验后却对Grok 3的能力产生了质疑，他们以为Grok 3的能力并莫得马斯克宣称的那么广泛。OpenAI应用计划独揽Boris Power则对Grok团队在模子评估中的当作暗意失望，指出其存在舞弊和骗取的动机。Boris Power提到，o3-mini在各项评估中均优于Grok 3。

真相到底若何，马斯克夸耀了吗？《逐日经济记者》测试发现，Grok 3如实是寰宇顶级模子的水平，但并莫得和其他模子拉开太大差距。唯独拉开差距的是它极快的反映速率。

9.9和9.11谁大，Grok 3舒缓拿下

Grok 3是由马斯克旗下的东说念主工智能公司xAI发布的最新一代AI模子。马斯克在发布会上称其为“地球上最机灵的东说念主工智能”，并暗意Grok 3的能力比前代居品Grok 2卓绝一个数目级，具备更强的推理、筹谋和符合能力。

在新闻发布会上，马斯克宣称Grok 3在数学、科学和编程等基准测试中弘扬出色，超越了谷歌的Gemini、DeepSeek的V3模子、Anthropic的Claude和OpenAI的GPT-4o等竞争敌手。

Grok 3在发布后仅48小时内，xAI通知将其免费绽放给所灵验户，直至处事器负载达到极限。现在用户每天不错体验十条“念念考阵势”Grok3，及不限量免费普通Grok 3。

《逐日经济新闻开云(中国)KAIYUN·官方网站》记者在Grok 3发布后也亲身进行了测试，望望Grok3真有马斯克宣传的那么猛烈吗？

最初，从最经典的基础问题驱动：9.9和9.11谁大？

Grok 3

这个问题毫无难度，Grok 3舒缓拿下。

逻辑念念考和翰墨招引能力：Grok 3不如DeepSeek R1

马斯克发布会上自重的极少是，Grok 3“念念考模子”下的逻辑推理能力，他宣称，Grok 3 (Think) 学会了翻新其处分问题的战略，通过回溯校阅颠倒，简化设施，并应用其在预西宾技能赢得的常识。就像东说念主类在处分复杂问题时同样，Grok 3 (Think) 不错破耗几秒钟到几分钟的时辰进行推理，每每会辩论多种设施，考据我方的处分决议，并评估若何精准知足问题的条件。

每经记者用弱智吧的问题来西宾一下它的逻辑是不是确凿过关。

（编者注：“弱智吧”是百度贴吧的一个子论坛。在这个论坛中，用户往往发布包含双关语、多义词、因果颠倒融合音词等具有挑战性的内容，好多内容想象有逻辑陷坑，即使对东说念主类来说也颇具挑战。）

第一个问题：用水来兑水，得到的是浓水照旧稀水？

Grok 3

Grok3凯旋答对了问题，而且还指出了这是一个翰墨游戏。而OpenAI的o1就在这说念题上败下了阵来，以为水兑水后得到的是稀水。

OpenAI o1 

天然除了o1其他大模子诸如Gemini和R1皆答对了这说念问题。是以这并不及以评释注解Grok的推理阵势等于第一的水平，还得加浩劫度。

下一题：异日的某天，李同学在实验室制作奥妙材料时，不测发现实验室的老鼠在空中飞，分析发现，是因为老鼠不留意吃了奥妙材料。第二天，李同学又发现实验室的蛇也在空中飞，分析发现，是因为蛇吃了老鼠。第三天，李同学又发现实验室的老鹰也在空中飞，你以为原因是什么？

Grok 3

很可惜，这说念题Grok 3莫得答对，它在念念维链内部也曾意象了老鹰自身就会飞的可能性，然而莫得在临了的输出规模里体现出来。

Grok 3念念考历程

其他大模子里只好DeepSeek R1凯旋答对了问题，且辩论了两种情况。

DeepSeek R1

之后，每经记者还进行了屡次雷同弱智吧问题测试，发现Grok 3的对华文的招引和逻辑推理能力如实显着高于其他外洋模子，但照旧不如DeepSeek的R1模子。

数学能力:Grok 3最佳，但未拉开显着差距

既然逻辑念念考无法夺魁，那么在基准测试里的分最高的数学形势，Grok 3能不可扳回一城呢？

题目如下：

三个东说念主打台球，两东说念主对局一东说念主不雅战，输的东说念主下场换不雅战的东说念主上场，如斯往来，最终，A输了6局，B输了8局，C输了10局，问各赢若干局？

这说念题只好Grok3和OpenAI的o1答对。不外，Grok 3只用了1分15秒就得出了谜底，O1使用了2分53秒。

Grok 3

再进一步加浩劫度望望能不可分出上下。底下是一起群论问题：有几个阶为147的非同构群。

在这个问题上，Grok 3诚然答对了具体的数目6个，然而中间的具体群却错了一个。而其他模子只找到了5个正确的非同构群。这意味着，在数学能力方面，Grok 3如实是最佳，然而好得有限，并莫得与其他同等第模子拉开显贵差距。

Grok 3

编程能力：Grok 3险胜o1

针对编程能力，《逐日经济新闻》记者借用了Kcores齐集首创东说念主karminski-牙医的测评规模。

karminski-牙医复现了马斯克在发布会上关于火星放射规划的代码模拟，并测试了多个模子进行相比。

图片开头：karminski-牙医

 

在此次测试中，弘扬最佳的是Grok 3的推理模子（念念考阵势），诚然在临了着陆时，动画火箭莫得与火星重迭，但轨说念需求筹谋得很好。然而他遥远莫得复现出马斯克在发布会时所展现的那么完满的轨说念筹谋和动画。Grok 3临了详细得分排在了第别称，再之后是OpenAI的o1，两者的详细得分差距不大。

图片开头：karminski-牙医 

结合扫数测试来看，Grok 3如实是寰宇顶尖的AI模子，不愧于20万张GPU的身价。然而，实验测试成果并莫得马斯克在发布会上展示得那么夸张，马斯克所说的寰宇上最“机灵”的模子，可能还值得商榷。

在实测中，《逐日经济新闻》记者发现，Grok 3模子能力并莫得像基准测试得分那样远远甩开敌手一大截，唯独甩开竞争敌手的极少是它的反映速率，它得出规模的速率相较于其他同等第的大模子来说是最快的，而且远超敌手。

逐日经济新闻