Grok 3：功能、获取方式、与 O1 和 R1 的对比等

什么是 Grok 3？

Grok 3 是 xAI 最新的 AI 模型，被定位为 OpenAI 的 o1 和 DeepSeek 的 R1 的直接竞品。xAI 团队声称它比 Grok 2 强大 10 到 15 倍，而从演示中的基准测试来看，它很可能有能力与市面上的顶级模型正面竞争。

来源： xAI

推理模型有何不同？

如果您用过 ChatGPT、Claude 或 Gemini，您会熟悉大多数 AI 模型的工作方式：提问、生成答案、结束。

像 Grok 3 这样的推理模型采取不同的方法。它不会立刻吐出答案，而是一步步拆解问题，展示中间思路，甚至在给出最终回复前对输出进行打磨。这使其在数学、编码和现实问题求解等任务上尤为强大。

来源： xAI

Grok 3 Mini

并非所有任务都需要 Grok 3 的全量推理能力。Grok 3 mini 在保留 Grok 3 推理能力的同时，针对速度和更低算力消耗进行了优化。

对于希望在使用 API 时优化 Token 成本的开发者而言，Grok 3 mini 尤其有用。

我们也可以在聊天界面切换到 Grok 3 Mini 以获得更快响应。根据基准测试，它能处理的大多数问题都不在少数。

Grok 3 Think 模式

Think 模式是一项可选设置，用于激活 Grok 3 的多步推理过程。它不会直接跳到答案，而是将问题拆解为更小的步骤，评估不同解法，并在输出最终结果前优化回复。

该模式对复杂问题求解、数学证明、编程挑战和逻辑类任务尤其有用。它模拟人类的结构化思考，在重质量而非速度的场景中尤为理想。

据我观察，xAI 正把 Grok 3 同时定位为推理模型和通用模型。关闭 Think 模式时，它更像 GPT-4o 或 Claude 3.5 Sonnet——快速、对话式、针对通用使用优化；而开启 Think 模式后，它会切换到推理模式，逐步拆解复杂问题。

从基准测试也能更清楚地看到这种“混合”定位。xAI 不仅把 Grok 3 与 OpenAI 的 O1 或 DeepSeek R1 等推理模型进行比较，也与 GPT-4o、DeepSeek-V3、Claude 3.5 Sonnet 等通用模型对比。这表明他们希望它在两个类别中同时竞争，而不是局限于其一。

 

来源： xAI

Grok 3 Big Brain 模式

Big Brain 模式是 Grok 3 的高性能设置，会分配更多计算资源来处理高要求任务。

启用后，Grok 3 处理查询所需时间更长，但能提供更高的准确性、更深入的见解和更详尽的回复。该模式在科学研究、多层 AI 任务和高度复杂的求解场景中尤为有用，标准推理可能难以胜任时，它能补上短板。

Grok 3 DeepSearch

DeepSearch 是 xAI 的内置研究工具，允许 Grok 3 在生成答案前浏览网页、核验来源并综合实时信息。

不同于依赖预训练数据的标准 AI 模型，DeepSearch 会引入最新信息，非常适合新闻、市场趋势、技术研究和事实核查。该模式使 Grok 3 成为 Gemini 的 Deep Research 以及 OpenAI 的 Deep Research 的对手。

来源： xAI

Grok 3 如何开发？

Grok 3 基于重大的基础设施升级、新的训练技术以及计算规模的巨大扩张构建而成。与之前在相对有限硬件上训练的前代不同，xAI 现已构建起全球最大规模的 AI 训练集群之一来支持 Grok 3 的研发。

来源： xAI

Colossus：xAI 的定制超级计算机

训练大规模 AI 模型的最大挑战之一是算力可用性。为解决这一问题，xAI 自建了名为 Colossus 的超算集群（上图为仓库）。

第一阶段仅用 122 天就部署了 10 万张 H100 GPU，使其成为全球最大 AI 训练集群之一。

第二阶段，xAI 又在 92 天内将算力翻倍。该基础设施支持持续训练，这意味着随着更多用户与其交互，Grok 3 仍在实时改进中。

从 Grok 0 到 Grok 3

Grok 1 发布于 2023 年 11 月，虽然颇具个性，但与 GPT-4o 或 Claude 3.5 Sonnet 相比，还有明显差距。几个月后推出的 Grok 2 进步显著，但仍落后于顶级模型。

来源： xAI

然而，Grok 3 标志着一次更大的跃升。团队称，得益于模型改进和训练算力的显著提升，Grok 3 的性能是 Grok 2 的 10–15 倍。

Grok 3 基准测试

xAI 声称 Grok 3 是迄今最强大的 AI 模型之一，而其直播演示中的基准测试也显示它或许真的能与最强者一较高下。下面我们从数学、科学和编程三方面拆解结果，看看它与 GPT-4o、Claude 3.5 Sonnet、Gemini-2 Pro、DeepSeek-V3 以及 O1、DeepSeek-R1 等推理模型相比如何。

对通用模型的表现

第一组基准测试将 Grok 3 和 Grok 3 Mini 与其他通用模型进行对比。

来源： xAI

Grok 3 在所有类别中均明显领先，但数学、科学和编程只占通用模型使用场景的一小部分——人们也依赖它进行写作、报告分析、客户支持等。

如果能看到 Grok 3 在 MMLU（覆盖 57 个学科的广泛知识）、BBH（复杂推理与抽象问题求解）或 TruthfulQA（对含糊或有争议问题的回答准确性）等基准上的表现，将更全面地呈现其真实世界能力。

对推理模型的表现

当充分释放 Grok 3 的推理能力——即开启 Think 模式和 Big Brain 模式时——模型的表现显著跃升。第二组基准测试将 Grok 3 Reasoning Beta 和 Grok 3 mini Reasoning 与其他高级推理模型进行对比，包括 O1、DeepSeek-R1，以及 Gemini-2 Flash Thinking。

来源： xAI

Grok 3 的推理能力将其数学成绩推高至 93–96，较通用模式（52）有大幅跃升。

科学与编程分数同样显著提升，超过 o1、DeepSeek-R1 和 Gemini-2 Flash Thinking。

Grok 3 mini Reasoning 在推理任务中的表现与完整版 Grok 3 相当（甚至更好——不得不说，图表的色层有点让人困惑），这意味着即便是更小的变体，在复杂问题求解上依然具备竞争力。

如何获取 Grok 3？

xAI 正在逐步推出 Grok 3，预计未来数月将更广泛可用。我们将可以通过基于聊天的界面以及 API 使用 Grok 3。

基于聊天的界面

该模型目前已集成至 X（原 Twitter），并向 Premium+ 订阅用户开放。用户可以像以往版本那样在平台内直接与其聊天。您可在左侧菜单找到 Grok 按钮：

除了 X，xAI 还上线了 grok.com，这是一个独立的网页界面，用户可在社交平台之外与模型交互。通过该网站访问 Grok 目前在欧盟与英国尚不可用。

此外还有 专用移动应用，但目前仅支持 iOS。

Grok 3 API

截至本文发布时，Grok 3 尚未通过 API 发布，但预计很快会上线。请关注 模型页面获取最新动态。

结语

Grok 3 无疑是 xAI 迄今最具雄心的发布，但我仍在观望它在自家演示基准之外的表现。目前，它看起来是一款扎实的推理模型，能在多步问题求解上与 OpenAI 和 DeepSeek 竞争。

这种既能快速对话、又能通过 Think 模式进入更深推理的混合策略，从纸面上看很合理。但我更想看看它在数学、编程和科学之外的泛化表现，尤其是写作、摘要和真实世界研究等任务。您也可以查看我们的最新模型 Grok 4.1 指南。