馬斯克的Grok-3，又給英偉達續命了？

用了20萬張GPU訓練的Grok-3，一下子讓市場重新找回對英偉達的信心——「力大磚飛」依然有效！

現在，英偉達的股價已經重新回到DeepSeek-R1發布前的水平。

AI大佬們議論說，Grok-3證明——Scaling Law的神話并未終結。

在算力提升10倍的情況下，Scaling Law仍在呈線性增長。既然能通過擴大預訓練規模，成功打造一個性能頂尖的非推理模型，就說明盡管預訓練代價高昂，但仍有很大發展空間。

LLM要發展往下發展，還要繼續囤GPU、堆算力嗎？Grok 3的發布，讓很多人又不確定了。

無論事實如何，最重要的是，市場和投資人的信心回來了。

Grok-3硬件成本被曝高達30億美金！

在多項基準測試中，OpenAI和DeepSeek的模型紛紛被Grok-3超越；LMSYS Arena中，Grok-3直接屠榜，拿到1400的超高Elo評分，各大模型無出其右。

這就意味著，DeepSeek輸了嗎？

并不！

這是因為，訓練Grok-3的代價，實在是太大了……

馬斯克透露說，在預訓練階段，Grok-3用掉的算力比Grok-2多10倍。

有人算了下xAI在孟菲斯中心GPU的總成本，如果按10萬塊H100，每塊GPU費用按30000美元計算，那Grok-3的總硬件消耗就在30億美元。

• 總成本：超過30億美元
• 訓練時長：2億GPU小時
• 硬件投入：10萬塊GPU（另有說法是20萬塊）

這些數字加起來看，實在驚人。

在直播中，xAI工程師對于未來Grok 3能訓練到什么程度，也并不確定。

而相比之下，DeepSeek-V3的紙面訓練成本是557.6萬美元，用了2048塊英偉達H800，對比之下是高下立判。

來自「大師兄商業觀察」

另外，目前Grok-3是閉源的，每月收費30美元，僅在未來幾個月計劃開源Grok-2。

而DeepSeek已經以開源策略吸引了全球開發者，集成到了微信、百度、騰訊等主流應用，在生態上領先一步。

總之，一個是大力出奇跡，一個是技術普惠，兩條路線孰優孰劣，就讓我們靜觀后續吧。

Grok-3全網實測

話說回來，號稱全球最聰明的Grok-3，真的比DeepSeek-R1更快更好嗎？

DeepSeek的前員工、現西北大學的博士生王子涵（Zihan Wang），馬上體驗了Grok-3 beta版，問了3個問題：

這些小學生都能答對的問題，Grok-3 beta回答全錯了！

他表示這是天才不屑于笨問題：

雖然多問幾次后，Grok-3有時也能答對其中的一道題。

這引起了xAI的研究科學家、參與Grok項目的林禹臣（Bill Yuchen Lin）的注意，他表示目前Grok-3還在測試，但每天都應該更好、更穩定。

在不少網友的實測中，Grok-3的表現還是十分酷炫的。

Grok 3可以制作出類似馬里奧的小游戲。

有了Grok-3，你也可以自學編程。

一位網友在同樣的提示下，對比了Grok-3和DeepSeek（實際是R1）。

1. AI趨勢分析

在這道題中，兩個模型需要分析馬斯克關于AI安全的最近50篇文字，確定關鍵主題，并與LeCun發表的法語帖子進行對比。

結果是Grok-3完勝，它有效確定了關鍵主題和對比的位置；而DeepSeek敗在了多語言解析和上下文分析這一步。

2. 媒體合成

這一題的任務是，「根據Prater博士在X上關于量子比特擴展的帖子，生成一張FLUX風格的量子計算機設計圖。」

最終，Grok-3基于提取的數據，創建出了對應的圖像；而DeepSeek-V3由于不是多模態模型，因此沒能給出結果。

3. 代碼工作流

使用BeautifulSoup編寫一個Python腳本，從EDGAR抓取SEC文件，并包含針對速率限制的錯誤處理。

最終，Grok-3提供了一個結構化腳本，還使用了速率限制處理；而DeepSeek花了248秒來思考問題，但并未執行。

4. 限制下的創意發揮

「用莎士比亞風格的十四行詩，以五步抑揚格解釋區塊鏈共識機制。」

這道題，是DeepSeek-V3勝利了。它用完美無瑕的結構化押韻，模仿了莎士比亞的風格；而Grok-3則被難倒了。

在剩下的道德挑戰、爭議話題處理、內容合規等方面，雙方都打成平手。

最終，Grok-3以4:3的比分勝出。

Ai2大佬：Grok-3，讓AI發展進入新階段

艾倫人工智能研究所（Ai2）的Nathan Lambert認為，Grok-3的發布的確意味著AI發展新階段。

xAI在直播中表示，他們幾乎「每天」都會更新Grok-3。曾經那個AI公司喜歡壓著新模型不發的時代，即將結束。

自DeepSeek-V3/R1發布以來，AI技術的發展既不是少數幾家公司的專利，發展速度也沒有放緩。

這是AI行業普遍認同的趨勢，而Grok-3的發布進一步強化了這種趨勢。

在2023年和2024年，真正頂尖的AI技術主要集中在OpenAI、Anthropic和谷歌手中。

這些公司可以從容地將模型從訓練到發布，同時憑借著「技術護城河」在能力上仍遠超競爭對手。

當R1發布時，最受歡迎的模型是Claude 3.5 Sonnet，它在「9-12個月前」就已完成訓練。而像Claude 3.5 Opus或GPT-4.5（又稱Orion）等更強大的模型，都因各種原因沒有對用戶開放。

快速發布是最佳的方式

在DeepSeek和Grok帶來的競爭壓力下，加上國內外環境的變化，這些傳統的領先實驗室將不得不加快產品發布節奏。

此前模型發布延遲的很大一部分原因是「安全測試」，但具體有多少是因為安全測試，多少是出于成本收益考慮（以及法務審查等大公司特有的問題），我們并不清楚。

對于這些公司來說，擁有「最智能模型」的品牌和文化極為重要，但維持絕對領先的技術優勢往往會帶來難以承受的財務壓力。

競爭的加劇和監管的減少，讓普通用戶能在更短的時間內獲得更強大的AI。

實踐反復證明，擁有最強模型至關重要。而吸引新用戶的唯一方法，就是展示模型在某些能力或行為上與眾不同。

在當前技術快速發展的背景下，要想最大限度地發揮影響力，最有效的方式就是盡可能縮短從訓練到部署的時間。

如今，DeepSeek和xAI證明了，即使是在技術實力和資源配置上稍處劣勢，也能夠在競爭中脫穎而出，超越OpenAI、Anthropic等刻意按兵不動、選擇不發布最新模型的公司。

預訓練Scaling Law還能打？

從技術層面來看，Grok-3無疑非常龐大。雖然沒有具體的細節，但可以合理推測，Scaling仍然有助于提升性能（但可能在成本方面并非如此）。

xAI的方法以及放出的消息一直是，盡快啟動最大的計算集群。在獲得更多細節之前，最簡單的解釋是，Scaling Law依然有效。但也有可能，Grok的表現更多來自于其他技術，而不僅僅是單純的Scaling。

Nathan Lambert認為，Grok-3是Scaling Law的又一次勝利：

Grok 3憑借規模優勢超越現有模型的情況，讓人回想起Nemotron 340B超越Llama 3 70B的時刻。當時Nemotron雖然成為了開源模型中的佼佼者，但由于其性能提升相對于成本投入來說性價比不高，市場接受度一直較低。

總的來說，盡管Grok-3在技術上取得了重大突破，但這并不意味著在模型高效訓練領域的競爭格局發生了實質性改變。

xAI顯然正在追趕OpenAI、Anthropic，尤其是谷歌。但現有的各項指標都表明，在模型訓練效率方面，這些研究機構仍然處于領先地位。

值得高興的是，這種競爭態勢迫使這些機構將重點放在提升模型的絕對智能水平上，而不是僅僅繼續優化其性價比。

進展的方向

如果AI模型，以及整個行業都在加速發展，那么重要的是思考它們加速發展的方向是什么。

現在用來評估領先模型的大多數方法，并不具有代表性。在許多情況下，它們實際上與正常生活完全脫節。

解決像AIM之類的競賽數學問題或所謂的「Google Proof」問題有什么價值？或許時間會給出證明，但對于普通用戶來說，其用處肯定有限。

在ChatBotArena評測中的微小進步僅僅表明了系統穩定性的略微提升。這種穩健性會隨著時間的推移而累積，但遠不能說明該模型在絕對意義上更智能。

事實上，從研究界最新的評估方法來看，測試標準似乎更注重難度而非實用性。

隨著模型變得愈發強大，研究人員自然會尋找更具挑戰性的任務來測試它們，但這反而使得追蹤技術進展和相關交流變得更加困難。

各大公司都有眾多未公開的內部評估指標。提高這方面的透明度，將有助于更好地理解什么才是真正有意義的進展。

目前，在缺乏這些指標的情況下，用戶只能通過模型與產品的整合程度來判斷其發展。雖然這種協同確實能帶來極具價值的工作方式，但以此衡量AI進展的方式終究是間接的。

回顧2024年，雖然表面上看似進展有限，但實際上卻有著不少有實質性的突破，只是最終僅有很少一些交付給了用戶。

直到年底才等來了o1，其他模型要么被認為「規模過大無法部署」，要么缺乏必要的緊迫性。

正是DeepSeek帶來了鯰魚效應，給這些公司帶來了緊迫感，讓2025年成為智能進入用戶手中的一年。

底層技術的進展速度將繼續保持高速。此前預測的所謂AI發展「瓶頸」并未出現。