近期，科技界迎来了一波新的震撼，人工智能领域的新星xAI公司推出了其旗舰产品——Grok 3大模型。这一发布迅速引起了广泛关注，特别是当特斯拉CEO埃隆·马斯克亲自站台，称赞其为“地球上最聪明的人工智能”时，更是将其推上了舆论的风口浪尖。
据xAI官方公布的数据，Grok 3在多个基准测试中表现卓越，包括专门评估数学能力的AIME测试，以及衡量博士级别学科问题解答能力的GPQA测试。在这些测试中，Grok 3均大幅超越了GPT-4o、Gemini-2 Pro、DeepSeek V3、Claude 3.5等业界知名大模型。在大模型竞技场Chatbot Arena（LMSYS）的测试中，早期版本的Grok 3也获得了140分的高分，位居榜首。
然而，随着用户体验的深入，一些质疑声也随之而来。部分用户表示，Grok 3的实际表现并没有马斯克宣传的那么神奇。OpenAI的应用研究主管Boris Power更是公开表达了对Grok团队评估方法的失望，指责其存在作弊嫌疑，并指出o3-mini在各项评估中的表现均优于Grok 3。
为了验证真相，《每日经济新闻》记者亲自对Grok 3进行了测试。从基础问题开始，如“9.9和9.11谁大”，Grok 3轻松给出了正确答案，展现了其强大的基本运算能力。但在面对更具挑战性的逻辑思考和文字理解问题时，Grok 3的表现则略显不足。例如，在解答一个涉及逻辑陷阱的问题时，Grok 3虽然答对了题目，但并未完全展现出其逻辑推理的优越性，而DeepSeek R1则在此类问题上表现更佳。
在数学能力方面，Grok 3确实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迅速给出了正确答案，且用时远低于其他模型。然而，在更专业的数学问题，如群论问题的解答上，虽然Grok 3答对了最终答案，但在解题过程中出现了小错误，这表明其在数学领域的优势并非绝对。
在编程能力的测试中，Grok 3也展现出了不俗的实力。Kcores联合创始人karminski-牙医的测评结果显示，Grok 3在模拟火星发射计划的代码计算中表现优异，虽然最终动画效果略有瑕疵，但整体轨道计算准确，综合得分位居第一。然而，与第二名OpenAI的o1相比，两者的得分差距并不大。
综合所有测试来看，Grok 3无疑是一款世界顶尖的AI模型，其强大的运算能力、数学素养以及编程实力都令人印象深刻。然而，其实际表现并未像马斯克宣传的那样远超其他模型，特别是在逻辑思考和文字理解方面，仍有提升空间。尽管Grok 3的响应速度极快，但这并不足以弥补其在其他方面的不足。因此，对于马斯克所宣称的“地球上最聪明的人工智能”，或许还需要更多的时间和实践来验证。
