北京時間 2 月 18 日，馬斯克與 xAI 團隊，在直播中正式發(fā)布了 Grok 最新版本 Grok3。早在本次發(fā)布會之前，依靠著種種相關(guān)信息的拋出，加上馬斯克本人 24/7 不間斷的預(yù)熱炒作，讓全球?qū)?Grok3 的期待值被拉到了空前的程度。在一周前，馬斯克在直播中評論 DeepSeek R1 時，還信心滿滿地表示「xAI 即將推出更優(yōu)秀的 AI 模型」。從現(xiàn)場展示的數(shù)據(jù)來看，Grok3 在數(shù)學(xué)、科學(xué)與編程的基準(zhǔn)測試上已經(jīng)超越了目前所有的主流模型，馬斯克甚至宣稱 Grok 3 未來將用于 SpaceX 火星任務(wù)計算，并預(yù)測「三年內(nèi)將實現(xiàn)諾貝爾獎級別突破」。

但這些目前都只是馬斯克的一家之言。筆者在發(fā)布后，就測試了最新的 Beta 版 Grok3，并提出了那個經(jīng)典的用來刁難大模型的問題：「9.11 與 9.9 哪個大？」遺憾的是，在不加任何定語以及標(biāo)注的情況下，號稱目前最聰明的 Grok3，仍然無法正確回答這個問題。

在這個測試發(fā)出之后，很短的時間內(nèi)迅速引發(fā)了不少朋友的關(guān)注，無獨有偶，在海外也有很多類似問題的測試，例如「比薩斜塔上兩個球哪個先落下」這些基礎(chǔ)物理/數(shù)學(xué)問題，Grok3 也被發(fā)現(xiàn)仍然無法應(yīng)對。因此被戲稱為「天才不愿意回答簡單問題」。

除了網(wǎng)友自發(fā)測試的這些基礎(chǔ)知識上 Grok3 出現(xiàn)了翻車，在 xAI 發(fā)布會直播中，馬斯克演示使用 Grok3 來分析他號稱經(jīng)常玩的 Path of Exile 2 (流放之路 2) 對應(yīng)的職業(yè)與升華效果，但實際上 Grok3 給出的對應(yīng)答案絕大部分都是錯誤的。直播中的馬斯克并沒有看出這個明顯的問題。

因此這個失誤不僅成為了海外網(wǎng)友再次嘲諷馬斯克打游戲「找代練」的實錘證據(jù)，同時也為 Grok3 在實際應(yīng)用中的可靠性，再次打上了一個大大的問號。

雖然在分數(shù)上，Grok3 超過了目前公開測試的所有模型，但這一點并不被很多人買賬：畢竟 xAI 在 Grok2 時代就有在這個榜單中「刷分」，隨著榜單對回答長度風(fēng)格做降權(quán)處理而大幅降低分數(shù)的情況，因此經(jīng)常被業(yè)內(nèi)人士詬病「高分低能」。

關(guān)注公眾號：拾黑（shiheibook）了解更多

友情鏈接：

關(guān)注數(shù)據(jù)與安全，洞悉企業(yè)級服務(wù)市場：https://www.ijiandao.com/
安全、綠色軟件下載就上極速下載站：https://www.yaorank.com/