马斯克用20万卡集群，做出了比DeepSeek还强的模型？

正文

请到「今天看啥」查看全文

不过需要注意， 这次的 Grok 3 实际上是一个模型家族，家族成员的水平各不相同，大致可以分为非推理模型和推理模型两种。

我们先来看 非推理模型，也就是 Grok 3 和 Grok 3 mini。

还是熟悉的Benchmark基准测试，xAI拉来了Gemini 2.0 pro、DeepSeek V3、Claude 3.5 Sonnet 还有 GPT-4o 四个模型进行对比。

在 AIME’24 美国数学竞赛、GPQA （ 研究生水平科学知识问答能力的基准测试 ） 和代码三项测试中，Grok 3 的成绩肉眼可见高出了其他模型一大截。

Grok 3 mini 的水平虽然跟其他模型大差不差，但直播中也提到了，mini 版本可以通过牺牲一定程度的准确性，来换取更快速度的回答。

另外，在 Chatbot Arena 的盲测中， Grok 3 代号叫 “ 巧克力 ” 的早期版本也登上了榜一，分数更是史无前例破了 1400 分。

具体来看，巧克力在整体风格控制 （ 模型语气、表达方式的把控 ） 、编码、数学还有创意写作等多个方面，全都拿了第一。

要知道，巧克力还只是早期版本的 Grok 3，今天的最新版 Grok 3 性能或许还会更强。

下面，我们再来看 Grok 3 的推理模型。

推理模型大家应该不陌生，毕竟 OpenAI 的 o1 系列、o3 mini 还有DeepSeek R1，都已经杀红眼了，思维链也是主流模型的突破方向。现在各家上新的模型里，如果不是推理模型，可能都不好意思拿出来。

所以这次， Grok 3 Reasoning Beta 和 Grok 3 mini Reasoning 也代表 xAI 出战了。

请到「今天看啥」查看全文