昨日官宣免費不過幾小時，Grok直接在美區(qū)App Store榜一。

馬斯克甚至欣喜地表示，這還沒有集成語音模式，未來幾天即將上線。

付費用戶可以提前體驗Grok 3語音模式

這場史詩級發(fā)布，焦點不僅僅在Grok 3上，還有發(fā)布會現(xiàn)場坐在C位的兩位華人科學家。

一位是多倫多大學計算機科學助理教授Jimmy Ba，另一位是xAI聯(lián)創(chuàng)吳懷宇（Tony Wu）。

值得一提的是，吳懷宇是四人當中唯一一個95后，畢業(yè)于杭州建蘭中學，博士期間在多倫多大學，曾是AlphaGeometry、AlphaStar核心開發(fā)者。

Jimmy Ba還是AI大佬Hinton的學生。

Igor Babuschkin、Jimmy Ba、吳懷宇、馬斯克

值得一提的是，Grok 3 Beta官方技術(shù)博客也終于出爐了，被稱為跨入推理智能體時代的AI。

20(/10)萬塊GPU訓出的首款Grok，在推理、數(shù)學、編碼、世界知識等任務(wù)方面，取得了顯著提升，成功為Scaling Law續(xù)命。

博客詳細介紹了Grok 3的各個功能和基準測試結(jié)果

xAI最強智能系統(tǒng)

18號，xAI推出了迄今為止最先進的模型Grok 3：它將強大的推理能力與廣泛的預(yù)訓練知識融為一體。

Grok 3在xAI的Colossus超級計算集群上訓練，運算能力是現(xiàn)有頂尖模型的10倍，在推理、數(shù)學、編程、世界知識和指令遵循任務(wù)方面都表現(xiàn)出顯著提升。

Grok 3的推理能力通過大規(guī)模強化學習（RL）得到提升，使其能夠進行持續(xù)數(shù)秒到數(shù)分鐘的思考，糾正錯誤、探索替代方案，并提供準確答案。它在學術(shù)基準測試和真實用戶偏好方面都表現(xiàn)出色，在Chatbot Arena中獲得了1402的Elo評分。

與此同時，xAI還推出了Grok 3 mini，代表著高效推理的新突破。

更深入的思考：測試時計算與推理

Grok 3（Think）和 Grok 3 mini（Think）這兩個beta版的推理模型，使用RL進行訓練，規(guī)模前所未有。因此，CoT推理過程得到提升，實現(xiàn)了高效的高級推理。

RL訓練后的Grok 3（Think），學會了完善問題解決策略，還能用回溯來糾正自己的錯誤、簡化步驟，并且會利用預(yù)訓練中獲得的知識。

就像人類面對復(fù)雜問題時一樣，它會花費幾秒到幾分鐘的時間去推理，還能用多種方法驗證答案，評估如何精準滿足要求。

比如這個問題「人生的意義是什么？」

Grok 3會花費4秒鐘思考，總結(jié)說：對生命意義的追問，是人類幾百年來的困難，表現(xiàn)形式會因提問者和所看重的東西而大相徑庭。

這兩個模型雖然仍在訓練中，但在多個基準測試中已經(jīng)展現(xiàn)出卓越的表現(xiàn)。

xAI表示，他們在2月12日（僅7天前）發(fā)布的2025年美國數(shù)學邀請賽（AIME）上測試了這些模型。

他們使用最高級別的測試時計算參數(shù)（cons@64），Grok 3（Think）在這項競賽中達到了93.3%的正確率，在研究生級別的專家推理測試（GPQA）中達到了84.6%的成績，在代碼生成和問題解決的LiveCodeBench測試中達到了79.4 %。

此外，Grok 3 mini在不需要太多世界知識的科學、技術(shù)、工程和數(shù)學（STEM）任務(wù)中實現(xiàn)了高效推理能力的新突破，在2024年AIME中達到95.8 %的正確率，在LiveCodeBench中達到80.4 %的成績。

要使用Grok 3的推理能力，只需點擊「Think」（思考）按鈕即可。

Grok 3（Think）的思維模式完全開放，使用戶不僅可以看到最終答案，還可以了解模型的完整推理過程。它的推理能力可以廣泛應(yīng)用于各類問題領(lǐng)域。下面，讓我們看看Grok 3的一些推理示例。

代碼

在這個任務(wù)中，Grok 3被要求用pygame創(chuàng)建一款混合兩種經(jīng)典游戲的的混合游戲，看起來要很漂亮。

思考6分鐘后，Grok 3給出了完整的代碼實現(xiàn)。

它做出了一個功能完整的2D游戲，代碼結(jié)構(gòu)清晰，注釋詳細，易于理解和修改。游戲結(jié)合了經(jīng)典元素（Breakout 和 Pong），娛樂性拉滿。

而視覺效果，是通過粒子和顏色增強呈現(xiàn)的。

所以，Grok 3是怎樣滿足「讓游戲看起來很漂亮」這個要求的呢？

它用五彩斑斕的磚塊、磚塊破碎時的粒子效果、漸隱粒子等，實現(xiàn)了動態(tài)的外觀呈現(xiàn)。

另外，Grok 3還有一些更加別具匠心的設(shè)計，比如添加彈跳的音效，使用更大的球拍、更快的球增加力道、添加背景漸變等。

ASCII Art

這個任務(wù)中要求Grok 3創(chuàng)建一個高保真Frank Lloyd Wright風格住宅的ASCII字符藝術(shù)。

Frank Lloyd Wright是一位著名的美國建筑師，以其有機建筑風格著稱，作品通常與自然環(huán)境融為一體，特征包括水平線條、開放空間和大窗戶。

Grok 3思考了3分鐘后開始輸出它的作品。

可以看出，Grok 3生成的圖片通過ASCII字符生動地再現(xiàn)了Frank Lloyd Wright草原風格建筑的經(jīng)典特征。設(shè)計簡潔而富有層次感，完美捕捉了草原風格建筑的本質(zhì)。

圖片下方還提供了詳細的設(shè)計說明和注意事項，解釋了每個ASCII字符的象征意義：屋頂用斜線和橫線強調(diào)水平線條，煙囪位于屋頂左側(cè)增加平衡，墻壁和窗戶強化水平延伸，基礎(chǔ)線體現(xiàn)有機整合。

24點游戲

這個任務(wù)中，Grok 3被要求用4、4、10、10來玩24點游戲，目標是添加加減乘除運算符，得出24。

它需要選出，成功完成這個游戲的第一個運算是什么。

思考3分鐘后，它得出了解法：使用((10×10)?4)÷4這個表達式，因此選出答案F。并且，它還進一步進行了驗證，排除了其他選項的可能性。

數(shù)學

接下來，是一道難度不小的數(shù)學題。

這道題給出了一個遞歸定義，涉及到了正整數(shù)n和一系列從集合{1,…,n} 中均勻隨機選擇的整數(shù)m_n,k。

最終，題目要求計算出期望值E(n)，并求出在n趨于無限時，E(n)/n的極限值。

Grok 3思考了4分鐘后，確定了自己需要完成的步驟。

首先，需要分析狀態(tài)空間和轉(zhuǎn)換，然后要定義漂移項和期望值的遞推關(guān)系，第三步要解決遞歸，最后一步就是計算極限。

最終，Grok 3給出了最終答案：(1-e^(-2))/2。

超大規(guī)模預(yù)訓練

當不啟用推理功能時，Grok 3能夠即時提供高質(zhì)量回答。

在常規(guī)模型（非推理模式）中，Grok 3在多項學術(shù)基準測試中均達到了SOTA，這些測試包括：研究生級科學知識評估（GPQA）、高級通用知識測試（MMLU-Pro）、數(shù)學競賽解題能力（AIME）等。

同時，Grok 3在圖像理解能力測試（MMMU）和視頻內(nèi)容理解任務(wù)（EgoSchema）中也展現(xiàn)出卓越表現(xiàn)。

Grok 3的上下文處理窗口可達100萬個token，是Grok 2的8倍，這使其能夠處理超長文檔并響應(yīng)復(fù)雜提示詞，同時保持極高的指令執(zhí)行準確度。

在專門測試長文本RAG能力的LOFT基準測試（支持128k長度）中，Grok 3在12項不同任務(wù)的平均準確率上達到了SOTA，充分展示了其卓越的信息檢索能力。

Grok 3同時在事實準確性和文風把控方面都取得了顯著提升。以代號「chocolate」發(fā)布的Grok 3早期版本在LMArena Chatbot Arena排行榜上獨占鰲頭，其Elo評分在所有評估類別中均超越競爭對手。

目前，xAI正在擴大發(fā)展規(guī)模，準備利用配備20萬個GPU的計算集群來訓練更大規(guī)模的模型。

Grok智能體：融合推理能力與工具運用

為了理解宇宙，xAI讓Grok與現(xiàn)實世界實現(xiàn)交互。通過整合Code Interpreter（代碼解釋器）和互聯(lián)網(wǎng)訪問能力，Grok 3模型能夠主動查詢所需的上下文信息，靈活調(diào)整處理方法，并通過反饋不斷優(yōu)化其推理能力。

作為實現(xiàn)這一愿景的第一步，xAI推出了他們的首個AI智能體——DeepSearch。

這是一個反應(yīng)極速的AI智能體，專注于在浩瀚的人類知識庫中持續(xù)探索真相。

無論是實時掌握最新資訊，解決社交難題，還是開展深度科研工作，DeepSearch都能提供遠超普通搜索引擎的體驗。它最終會生成一份精煉而全面的總結(jié)報告，助你在這個快速發(fā)展的世界中把握先機。

兩位華人坐鎮(zhèn)C位，還有一位杭州95后

Grok 3直播畫面中，馬斯克與三位技術(shù)負責人并肩而坐，一開場，還謙虛地說自己什么也沒干。

其中兩位華人頗有緣分，Jimmy Ba和吳宇懷均在多倫多大學完成了博士學位。

個人資料顯示，Jimmy Ba目前是多倫多大學計算機科學系助理教授，他的學士、碩士學位也是在多倫多大學完成，導(dǎo)師分別是Brendan Frey和Ruslan Salakhutdinov。

博士期間，曾在Geoffrey Hinton指導(dǎo)下完成了學業(yè)。

Jimmy Ba還曾獲得了2016年Facebook研究生獎學金，2023年諾獎風向標「斯隆研究獎」。

提及個人貢獻，Jimmy Ba曾提出了大名鼎鼎的深度學習訓練算法Adam優(yōu)化器，這是一種自適應(yīng)學習率的優(yōu)化算法。

這篇發(fā)表在2015年的論文，被引數(shù)量突破了20萬。

另一篇被引最高的論文，是與Hinton一起完成「層歸一化」（Layer Normalization），一種深度學習中用于優(yōu)化神經(jīng)網(wǎng)絡(luò)的方法。

另一位吳宇懷，是一位名副其實的95后學霸。

小學一年級就讀于新安江一小，后轉(zhuǎn)學到杭州紫陽小學。到了初中，進入杭州建蘭中學學習，隨后高中又轉(zhuǎn)到加拿大。

他的職業(yè)生涯更為豐富，從OpenAI、谷歌DeepMind，到斯坦福博士后研究員、谷歌研究科學家，再到如今xAI聯(lián)創(chuàng)，走出了不同尋常的人生軌跡。

他曾參與了許多人熟知的AI研發(fā)，比如STaR、Minerva、AlphaGeometry、Autoformalization、Memorizing Transformer、AlphaStar等。

吳懷宇也曾與圖靈獎得主Bengio有交集，在2016 NrurIPS上，他們與多位合著者共同提出了Multiplicative Integratio架構(gòu)，共同改善循環(huán)神經(jīng)網(wǎng)絡(luò)。

論文地址：https://arxiv.org/pdf/1606.06630

除了他們兩人，事實上，xAI團隊還有不少有名的華人科學家。

聯(lián)創(chuàng)Greg Yang(楊格)，出生在湖南，本碩就讀于哈佛大學數(shù)學系，大學時期的導(dǎo)師是數(shù)學家丘成桐。在加入xAI前，他是微軟的高級研究員，負責AI理論研究。

他的學術(shù)生涯充滿傳奇色彩，在哈佛求學期間，他曾兩度休學，一次是為了追求自己的DJ夢想，另一次則是為了深入研究數(shù)學。于2018年榮獲摩根獎（Morgan Prize）榮譽獎，現(xiàn)研發(fā)TensorPrograms理論和擴展神經(jīng)網(wǎng)絡(luò)的實踐。

他的研究方向深受數(shù)學驅(qū)動，他曾在社交平臺上寫道：「Math for AI, and AI for Math!」（數(shù)學推動AI，AI反過來也能推動數(shù)學）。在AI研究人員眼中，他不僅是一位科學家，更是一位愿意挑戰(zhàn)AI理論極限的數(shù)學家。

清華校友Zihang Dai（戴子航），前谷歌大腦研究員，獲得了清華和CMU的學位。此前，他還在百度美國分公司和蒙特利爾大學的MILA進行過研究實習。

戴子航本科畢業(yè)于清華大學計算機科學系，大學期間，連續(xù)三年拿下專業(yè)第一，并在大三暑假，師從著名計算機視覺專家朱松純開展研究。2020年博士畢業(yè)于卡內(nèi)基梅隆大學計算機系，隨后加入谷歌研究院。

他在自然語言處理（NLP）領(lǐng)域擁有深厚的積累，尤其擅長Transformer架構(gòu)的優(yōu)化與創(chuàng)新。他曾在谷歌和百度美區(qū)實習，并在多個頂級AI會議上發(fā)表論文。

浙大校友Guodong Zhang（張國棟），也是機器學習和人工智能領(lǐng)域的研究者，曾就職于多倫多大學和矢量研究所（Vector Institute），因研究大模型訓練、微調(diào)、對齊而聞名。

他本科就讀于浙江大學信息工程專業(yè)，大學時連續(xù)三年排名專業(yè)第一，拿了三年的國家獎學金，還獲得過全國大學生數(shù)學建模競賽一等獎，美國大學生數(shù)學建模競賽一等獎。

大二時，他對人工智能產(chǎn)生了濃厚興趣，投入到計算機視覺領(lǐng)域的研究中；大三暑假，跟著全球著名計算機視覺專家朱松純從事相關(guān)研究。加入xAI之后，他的研究方向主要聚焦于如何優(yōu)化AI訓練效率，并提升模型的穩(wěn)定性。

另有網(wǎng)友繪制了一幅xAI成員背景圖，可以看華人學者占據(jù)近一半比例。