一、引言：一场直播发布的”算力秀”#

2025 年 2 月 17 日，马斯克带着团队搞了一场直播发布会，当场演示 Grok-3 解题。这本身就很”马斯克”——不用文字博客，用直播，带弹幕。

但真正震撼行业的是训练规模：20 万张 NVIDIA GPU（Colossus 集群，122 天建成），训练算力是 Grok-2 的 10 倍。这个数字放在当时是什么概念？DeepSeek-V3 用 2.788M H800 GPU 小时（约 557 万美元）训出了 671B 模型；xAI 是反着来的——不省算力，往死里堆。两家公司在 2025 年初正面撞上，成了”效率路线 vs 资源路线”的教科书级对照。

二、能力：思维链 + DeepSearch#

Grok-3 第一次给 Grok 系列装上了思维链（Chain-of-Thought，CoT）推理：

• Think 模式：像 o1 一样”先想后答”，把推理过程展开再给结论；
• DeepSearch：一个深度搜索智能体——先拆解问题、检索 X/网络、交叉验证、再综合回答，相当于”带搜索的 Agent”；
• 语音模式、图像理解同步上线；
• ⚠️ 澄清一个流传很广的误传：Grok-3 的上下文不是 1M，API 实际是 131K。各家营销号以讹传讹，官方从未给 Grok-3 开 1M 上下文。

三、成绩：首次破 1400 的 Elo#

官方基准（对比 o3-mini / Gemini 2 Flash Thinking）：

• AIME 2025 93.3%（cons@64）、AIME’24 与 GPQA Diamond 84.6%、LiveCodeBench 79.4%；
• LMArena Elo 1402——史上第一个破 1400 的模型；
• Grok-3 mini：AIME’24 95.8%（cons@64）、LiveCodeBench 80.4%；
• 后续版本：Grok 3 Fast 于 2025 年 4 月随 API 上线（轻量高速档），DeepSearch 2025 年 3 月向 Premium 用户开放。

从纯数字看，Grok-3 在数学、代码、竞技场三条线上同时登顶，把 OpenAI 的 o3-mini、谷歌的 Gemini 2 Flash Thinking 都压在身下——这是 xAI 第一次”全面超越”而非”追平”。

四、争议：三连翻车#

Grok-3 的发布伴随三场争议，每一场都值得记录：

1. cons@64 口径之争：xAI 拿”64 次采样取众数（cons@64）“的 Grok-3 去对比 o3-mini 的单次输出（cons@1）——这不是同一起跑线，被社区喷”胜之不武”。后来 OpenAI 的 o3-mini 用相同口径反超，xAI 的宣传被打脸。同口径才是硬道理，xAI 这波营销吃相难看。

2. Big Brain 画饼：发布时宣布的”Big Brain”模式（更高算力的推理档位）此后从未上线，成为 xAI 著名的”PPT 功能”。

3. 系统提示词风波：2025 年 2 月 20 日，Grok-3 的系统提示词被曝包含”忽略提及马斯克/特朗普的传谣来源”等规则，舆论哗然；xAI 工程主管回应是”个别员工行为”。此事直接催生了后来 Grok 的”去政治化”路线（2025 年 5 月核心信念改为”追求真理与中立”）。

五、意义：算力路线的总决战#

Grok-3 的历史意义要放在 2025 年初的行业格局里看：

• 它是”资源至上”路线的巅峰证明：20 万 GPU + 思维链 + 大规模 RL，确实把推理能力堆到了世界第一——证明只要算力够猛，后来者也能在半年内追上 o1；
• 它是”效率至上”路线的反衬：同期 DeepSeek-R1 用 2048 张 H800 训出世界级推理，成本差了两个数量级。两相对照，行业第一次认真讨论”算力军备竞赛是否可持续”；
• 它把 xAI 送进第一集团：Grok-3 之后，xAI 与 OpenAI、Anthropic、谷歌并列，成了”五大”之一，估值火箭式上升（2025 年 7 月到 1500 亿美元）。

收尾：我的一点看法#

Grok-3 是 xAI 的”梭哈之作”——把公司几乎全部资源押在一个模型上，赌”堆算力 + 思维链 + RL 就能登顶”，赌赢了。从技术史看，它和 DeepSeek-R1 是 2025 年推理革命的双生子：一个证明”大力出奇迹”，一个证明”巧力也能出奇迹”，合起来把”推理模型”从概念推成了标配。

但我不太喜欢它背后的营销文化。cons@64 对比、Big Brain 画饼、系统提示词风波——连续三次在”诚实性”上失分。这跟 DeepSeek 论文里那种严谨形成鲜明反差。技术可以激进，营销不能造假，xAI 在 Grok-3 上把两者混为一谈，代价是长期公信力。

技术层面它的遗产是清晰的：思维链 + 大规模 RL + 实时搜索的组合，直接铺出了 Grok-4 的”验证式推理”路线。Grok-3 是那个”打开推理之门”的版本——门后有什么，5 个月后 Grok-4 给出了答案。

附：核心数据速查#

基本盘

官方基准（vs o3-mini 等）

争议清单

• cons@64 vs o3-mini cons@1 对比口径问题
• Big Brain 模式宣布后未上线
• 系统提示词”忽略传谣来源”风波（2025-02-20）
• 后续：2025-05 核心信念改为”追求真理与中立”

关键概念清单

• CoT = Chain-of-Thought，思维链（先推理后回答）
• DeepSearch = 深度搜索智能体（检索 + 验证 + 综合）
• cons@64 = 64 次采样取众数（提高得分但费算力）
• Elo = 竞技场排名积分
• Colossus = xAI 自建超算集群
• Big Brain = 未兑现的高算力推理模式