「聰明得可怕」，這是馬斯克預告 Grok 3 時的說法，以至於今天一大早，全網都是下面這個樣子👇🏻
在全網蹲點發佈會時，App Store 先一步更新了。而在釋出會進行過程中，Grok 網頁版也一度火到崩潰。
Grok 3 不是一個簡單的產品迭代，在此之前，是馬斯克大手筆建設的資料中心、豪氣的顯示卡配置，採用最佳的預訓練模型並繼續使用強化學習進行訓練，堪稱「富養」出來的新一代。
推出 SuperGrok 高階訂閱計劃，月費為 30 美元，年費為 300 美元，提供額外的推理和 DeepSearch 查詢功能，包含了無限量的影像生成服務
Grok 3 推理能力領先 DeepSeek R1
在 Chatbot 競技場之稱的 LMSYS 盲測中，Grok 3 在程式碼、指令響應等各個方面排名第一。
作為誕生於 20 萬張顯示卡的產物，Grok 3 斷層級別的表現證明了 Scaling Law 仍在生效。
相比於 DeepSeek 以低成本創造高收益，Grok 3 主打一個「大力出奇跡」。
這次，引入推理能力的 Grok 3 的重點在於更靈活地進行即時計算資源分配，在保證推理質量的同時，最聰明的使用計算資源。
曾經 Grok 2 就已經達到過當時的 SOTA 水平。在經過多次迭代之後，模型的泛化能力有大幅提升。Grok 3 在最新的 AIME 競賽中則再次重新整理了自己的記錄。
不過，僅僅只是推理能力強顯然是不夠的，快、狠、準才能參與大模型內卷。釋出會現場，工程團隊展示了兩個案例。
一個是請求生成一個從地球發射到火星並返回地球的 3D 動畫程式碼，Grok 思考了 19 秒，詳細描述了其思考過程，包括使用 Python 進行繪圖，以及使用 NumPy 進行計算。
另一個則是試圖讓 Grok 將《俄羅斯方塊》和《寶石迷陣》這兩款遊戲結合起來，創造出一個新的遊戲。
很遺憾，Grok 一上來就遭遇了連續兩次的翻車，連馬斯克回頭看了螢幕上糟糕的演示環節，也不免尷尬地發出了一句「oh man」。
不過，後續演示中，也端上了正常的案例（該不會準備好的 demo 吧）。
作為這次更新的重磅產品，Grok 3 加持的 DeepSearch 號稱是下一代搜尋引擎。模型將自主像 agent 一樣運作，並且理解使用者提問背後的意圖，省下在 Google 花的時間。
現場展示的環節裡，工程師給 Grok 3 出了一道有趣的題：預測 NCAA 「瘋狂三月」的勝負數，也就是所有層級裡的比賽結果。
這是巴菲特在 2014 年發起的一個活動，賭注高達十億美元，賭得就是讓巴菲特破產。歷史上無人成功，甚至無人接近，因為即使專家預測，前幾輪後也會出現大量錯誤。
當年這就是一個營銷活動，畢竟贏下的機率之小，幾乎是千千億分之一的機率，基本等於不可能。把這個問題甩給 Grok 3，不可謂不大膽。
返送的答案中，除了援引的材料，還做了結構化處理。開頭介紹、背景知識、分析圖表、總結陳詞，相當完整。
檢索的重點在於，如何交叉核實各個資訊源。Grok 3 透過設計一個子任務面板來完成這個工作，使用者可以自己即時監測正在進行的任務，從而保證答案是可用的、可靠的。
在這個基礎上，agent 自主檢索十分鐘，抵掉自己摸索一小時，才是有效減少工作量。
最終 Grok 3 也給出了它認為的 2025 年 NCAA 冠軍，三月還沒來，讓我們拭目以待它的「神預言」會不會成真。
至於 Grok 3 的體驗方式，官方說了，X 的 Premium+ 訂閱使用者將率先體驗，而其他高階功能則被納入 xAI 推出的新計劃——SuperGrok 中。
SuperGrok 的月費為 30 美元，年費為 300 美元，僅提供額外的推理和 DeepSearch 查詢功能，還包含了無限量的影像生成服務。
就在昨晚，Shivon Zilis 路透了她和有 Grok 3 加持的人工智慧助理 Ara 的對談，並稱這是生命中最意想不到的收穫。
簡直是徒增大家對語音模式的期待，馬斯克在釋出會召開前就已經宣佈語音模式只會在一週內推出，這也意味著無緣演示環節。
不過，在現場直播環節，馬斯克也表示這將是 Grok 最好的體驗之一，在釋出會的尾聲，語音模型也放出了一個男聲，聽著倒是挺有人味的。
這一點點的路透，激起了極大的好奇，到了QA環節關於語音模式的提問湧上來。
問：Grok 語音模式什麼時候推出；是基於文字轉語音，還是能理解人類說話並直接回應的模型？
答：Grok 基本上會理解人類所說的話，預計在一週內釋出早期版本，後續將迅速迭代更新。
問：什麼時候推出 Grok API？
答：將在接下來的幾周內推出，包含推理模型和深度研究功能。
問：Grok 能記住互動的談話內容嗎？
答：正在努力開發這個功能，不過目前還沒有完全完成。
問：是否還會開源 Grok 模型
答：當 Grok 3 成熟穩定之後，大概幾個月將會開源 Grok 2。
問：做這個專案最困難的部分是什麼？
答：最大的挑戰是讓整個模型在海量的 H100 上進行訓練，並保持一致性。
我們正在招募夥伴
✉️ 郵件標題「姓名+崗位名稱」（請隨簡歷附上專案/作品或相關連結）
