首页 > 科技要闻 > 科技> 正文

Grok-3免费上线!答对9.11和9.9谁大,1分攻克MIT积分难题

新智元 整合编辑:太平洋科技 发布于:2025-02-23 00:15

世界首个20万块GPU(另有说法是10万)训出的Grok-3,官宣人人可用了!

DeepSearch、Think两大模式,同时上线。唯独遗憾的是,Big Brain还在雪藏。

Grok 3全部免费开放,直到服务器崩溃为止

一边,AI科技圈开发者激动地奔走相告,另一边,OpenAI和xAI直接打起来了。

先是本科辍学的OpenAI研究员Aidan McLaughlin,谴责Grok-3在评测中用基于64个样本进行多数投票刷分。

灰色阴影区域表示在64个样本下的多数投票一致性表现

随后,OpenAI应用研究主管Boris Power更是丝毫不留情面,「看到Grok团队在评估中作弊和欺骗的动机,真令人失望。简而言之,o3-mini在每个评估中都优于Grok-3。Grok-3确实是一个不错的模型,但没有必要过度宣传」。

对此,xAI高级工程师Igor Babuschkin,「完全不对。我们只是用了和你们一样的方法」。

从下图中不难看出,o1-preview和o1确实有同款「阴影」。

不过,根据McLaughlin的解释道,OpenAI o3-mini并没有使用这种方法。

OpenAI与xAI针锋相对,也不是一天两天了,好在他们的竞争,利好所有人。

话不多说,直接上实测吧。

一波实测来了

就在昨天,「Grok-3答错9.11和9.9哪个大」这个话题,还一度冲到热搜话题前几。

我们实测发现,果然,如果用同样的方式问,Grok-3还是会答错。

而在开启Think模式后,它只思考了4秒就轻松做对了!

有趣的是,如果把prompt换成「9.11和9.9谁大」,Grok-3在普通模式下也能给出正确答案了。

然而,在开启Think模式之后,Grok-3却为了这个prompt想了足足34秒……

有网友实测Grok-3 二十四小时后,发现它的几大优点——

对代码真的很好;

上下文窗口非常非常长;

能充分利用上下文;

擅长遵循指令;

而且有一个非常令人愉快的性格。

在代码工作流中,Grok-3表现得十分丝滑。

有人用Grok-3做了个带声音的视频游戏,主题是马斯克使用激光、火箭和婴儿来摧毁美国政府。

耗时一个小时后,Grok-3成功做出了这个游戏。

网友只用5分钟,就写出了一款大战小行星的游戏。

另一种形式的游戏如下。

甚至有人只在几分钟内,就用Grok-3和Imagen 3、tripoai等工具,创建了下面这些逼真的3D模型。

有人总结了一份Grok-3全部潜能的完整速查表,因为它「强大到疯狂」,但大多数人还不知道该如何有效使用。

照片级真实的图像

Grok-3是不是世界上最聪明的AI还有待考察,但它现在确实可以生成照片级真实的图像。

X网友Min Choi分享了10个案例。

在海滩上的随意自拍

疯狂的细节,你可以看到每根羽毛

SpaceX的火箭

图像细节程度简直令人惊异的眼睛特写

月球网络探测车

在纽约地铁上的自拍

走秀的猫咪

微型小熊猫的微距镜头

一位年轻白化男子手持绿色小狗的文艺复兴风格肖像

水池边的自拍

对此,有网友说,我们现在已经很难分清图片上的是不是现实了。

「我们已经跨越了那个门槛!」,Min说。

不过也有网友发现了它的一些缺点,比如生成正在倒立的人物时,依然会出现匪夷所思的问题。

网友实测,Grok-3在2024麻省理工积分大赛中,直接干掉o1 Pro和人类选手,并在1分02秒内解决了这个问题!

就连马斯克称赞道,简直太酷了。

高级语音模式,期待住了

下一步,Grok-3或许还会推出高级语音模式,一些拿到灰度测试的网友晒出了自己的实测。

它不仅支持联网模式,还支持自定义语音模式、语音转录、音频分享等功能。

目前,默认的是Sal男性声音。此外,还有一个Ara女性声音可选。

用户界面底部有三个键:关闭退出语音模式;静音;分享

如下是转录功能的展示。

参考资料:

https://x.com/xai/status/1892400129719611567

本文来源:新智元

网友评论

聚超值•精选

推荐 手机 笔记本 影像 硬件 家居 商用 企业 出行 未来
二维码 回到顶部