新智元 2025-02-20 12:55 北京
新智元报道
编辑：编辑部 HNYZ
【新智元导读】刚刚Grok-3免费开放了！DeepSearch和Think两大模式加持，刚上了热搜的「9.11和9.9哪个大」终于能做对了（但没全对），甚至1分钟秒解MIT积分赛题。然而，它刚一亮相就遭OpenAI研究员「打假」，被对方质疑作弊。
世界首个20万块GPU（另有说法是10万）训出的Grok-3，官宣人人可用了！
DeepSearch、Think两大模式，同时上线。唯独遗憾的是，Big Brain还在雪藏。
Grok 3全部免费开放，直到服务器崩溃为止
一边，AI科技圈开发者激动地奔走相告，另一边，OpenAI和xAI直接打起来了。
先是本科辍学的OpenAI研究员Aidan McLaughlin，谴责Grok-3在评测中用基于64个样本进行多数投票刷分。
灰色阴影区域表示在64个样本下的多数投票一致性表现
随后，OpenAI应用研究主管Boris Power更是丝毫不留情面，「看到Grok团队在评估中作弊和欺骗的动机，真令人失望。简而言之，o3-mini在每个评估中都优于Grok-3。Grok-3确实是一个不错的模型，但没有必要过度宣传」。
对此，xAI高级工程师Igor Babuschkin，「完全不对。我们只是用了和你们一样的方法」。
从下图中不难看出，o1-preview和o1确实有同款「阴影」。
不过，根据McLaughlin的解释道，OpenAI o3-mini并没有使用这种方法。
OpenAI与xAI针锋相对，也不是一天两天了，好在他们的竞争，利好所有人。
话不多说，直接上实测吧。
一波实测来了
就在昨天，「Grok-3答错9.11和9.9哪个大」这个话题，还一度冲到热搜话题前几。
我们实测发现，果然，如果用同样的方式问，Grok-3还是会答错。
而在开启Think模式后，它只思考了4秒就轻松做对了！
上下滑动查看
有趣的是，如果把prompt换成「9.11和9.9谁大」，Grok-3在普通模式下也能给出正确答案了。
然而，在开启Think模式之后，Grok-3却为了这个prompt想了足足34秒……
上下滑动查看
有网友实测Grok-3 二十四小时后，发现它的几大优点——
对代码真的很好；
上下文窗口非常非常长；
能充分利用上下文；
擅长遵循指令；
而且有一个非常令人愉快的性格。
在代码工作流中，Grok-3表现得十分丝滑。
有人用Grok-3做了个带声音的视频游戏，主题是马斯克使用激光、火箭和婴儿来摧毁美国政府。
耗时一个小时后，Grok-3成功做出了这个游戏。
网友只用5分钟，就写出了一款大战小行星的游戏。
另一种形式的游戏如下。
甚至有人只在几分钟内，就用Grok-3和Imagen 3、tripoai等工具，创建了下面这些逼真的3D模型。
有人总结了一份Grok-3全部潜能的完整速查表，因为它「强大到疯狂」，但大多数人还不知道该如何有效使用。
照片级真实的图像
Grok-3是不是世界上最聪明的AI还有待考察，但它现在确实可以生成照片级真实的图像。
X网友Min Choi分享了10个案例。
在海滩上的随意自拍
疯狂的细节，你可以看到每根羽毛
SpaceX的火箭
图像细节程度简直令人惊异的眼睛特写
月球网络探测车
在纽约地铁上的自拍
走秀的猫咪
微型小熊猫的微距镜头
一位年轻白化男子手持绿色小狗的文艺复兴风格肖像
水池边的自拍
左右滑动查看
对此，有网友说，我们现在已经很难分清图片上的是不是现实了。
「我们已经跨越了那个门槛！」，Min说。
不过也有网友发现了它的一些缺点，比如生成正在倒立的人物时，依然会出现匪夷所思的问题。
网友实测，Grok-3在2024麻省理工积分大赛中，直接干掉o1 Pro和人类选手，并在1分02秒内解决了这个问题！
就连马斯克称赞道，简直太酷了。
高级语音模式，期待住了
下一步，Grok-3或许还会推出高级语音模式，一些拿到灰度测试的网友晒出了自己的实测。
它不仅支持联网模式，还支持自定义语音模式、语音转录、音频分享等功能。
目前，默认的是Sal男性声音。此外，还有一个Ara女性声音可选。
用户界面底部有三个键：关闭退出语音模式；静音；分享
如下是转录功能的展示。
下面视频中，Grok-3不仅会唱生日快乐歌，还会笑。
参考资料：
https://x.com/xai/status/1892400129719611567
