实测grok3：速度超群数学出众逻辑思考却非最强

近日，科技界迎来了一次重大突破，人工智能初创企业xai推出了其最新的grok 3大模型，这一成果迅速引起了全球范围内的广泛关注。特斯拉ceo埃隆·马斯克更是亲自站台，称赞其为“地球上最聪明的人工智能”。

据官方公布的测试数据，grok 3在多个基准测试中表现卓越，包括aime（用于评估模型解决数学问题的能力）和gpqa（评估模型在博士级别物理学、生物学和化学问题上的表现）等，均超越了gpt-4o、gemini-2 pro、deepseek v3、claude 3.5以及sonnet等其他顶尖大模型。

在大型模型竞技场chatbot arena（lmsys）的测试中，xai的工程师透露，grok 3的早期版本以140分的成绩夺得榜首，力压gemini 2.0 flash thinking实验版、chatgpt-4o最新版本以及近期备受瞩目的deepseek r1等竞争对手。

然而，尽管grok 3收获了诸多赞誉，但部分用户在亲身体验后对其能力表示了质疑。他们认为，grok 3的表现并未达到马斯克所宣称的高度。对此，openai的应用研究主管boris power也表达了失望之情，他指出grok团队在模型评估中存在作弊和欺骗的嫌疑，并强调o3-mini在各项评估中的表现均优于grok 3。

为了验证grok 3的真实水平，每日经济新闻记者进行了一系列测试。测试结果显示，grok 3确实展现出了世界顶级模型的水准，但并未与其他模型拉开显著的差距。grok 3的响应速度极快，这是其与其他模型相比的一大优势。

在基础问题的测试中，如“9.9和9.11谁大？”这样的问题，grok 3轻松应对，毫无压力。然而，在逻辑思考和文字理解能力的测试中，grok 3的表现则略显不足。例如，在面对包含逻辑陷阱和双关语的问题时，虽然grok 3成功答对了部分问题，但在某些复杂情况下，其推理能力仍不及deepseek r1。

在数学能力的测试中，grok 3展现出了其强大的实力。在一道复杂的台球局数计算问题中，grok 3不仅得出了正确答案，而且其解题速度也远超其他模型。然而，在面对更高难度的群论问题时，虽然grok 3答对了具体的数量，但在具体群的判断上仍出现了一个错误，这显示其在数学领域的优势并非绝对。

在编程能力的测试中，grok 3同样展现出了不俗的实力。kcores联合创始人karminski-牙医的测试结果显示，grok 3在火星发射计划的代码模拟中表现优异，虽然在动画呈现上略有瑕疵，但其在轨道需求计算方面的表现却令人印象深刻。最终，grok 3在编程能力测试中险胜openai的o1模型。