AI好好用報道

　　編輯：楊文

馬斯克在線玩梗。

　　昨天，號稱「地表最強」的 Grok3 突然上線。

　　我們第一時間沖到了「吃瓜前線」，體驗了一把它的「Think」模式，但僅問了兩個問題，它就「罷工」讓付費。

　　就在我們充了會員后，就看到馬斯克這哥們在 X 上高調宣布：

　　Grok3 免費，直到把服務器干崩！

　　（編輯部內心 OS：不早說，白瞎了我們白花花的銀子。）

　　當然了，付費用戶 X Premium + 和 SuperGrok 用戶將獲得更多 Grok 3 的訪問權限，此后還可以提前使用語音模式等高級功能。

　　隨著馬斯克大手一揮，Grok3 的流量瞬間超過 ChatGPT，并登上了美區免費應用排行榜第一。

　　經此一役，馬斯克腰桿也硬了，直接在 X 上玩起了梗，求奧特曼此刻的陰影面積。

　　至于 Grok3 的實力，社交平臺眾說紛紜。

　　有網友認為，Grok3 是最好的大模型，因為它比 GPT-4o 快得多，「Think」模式完美適配提示指南，更便宜，UI 更簡潔美觀。

　　https://x.com/Yuchenj_UW/status/1892634804786757712

　　還有網友質疑馬斯克投機取巧，設置 Prompt 讓人以為知識庫實時更新，實際上模型數據截止到 2024 年 7 月。

　　https://x.com/dotey/status/1892602321500094683

　　接下來，我們決定搞個一手實測，讓 Grok3 和 DeepSeek-R1 來個同臺競技。

　　Think功能：Grok3確實有兩把刷子

　　前幾天的發布會上，馬斯克把 Grok3 夸得天花亂墜，還。

　　其中在編程、數學、創意寫作、指令遵循、長查詢、多輪對話等多個維度上，Grok3 都排第一。

　　既然如此，我們就先來測測中美這倆最強大模型的「深度思考」功能。

　　打開 Grok3 的「Think」按鈕，問出第一個問題：mississippi 有幾個 i?

　　之前曾難倒一眾大模型的經典問題，Grok3 花了 8 秒就做對。

　　它先是逐個檢查每個字母是不是 i，然后還用另一種方法驗證。

　　DeepSeek-R1 雖用時久一點，但也回答正確。 它的思路和 Grok3 一致，也學會反復驗證。

　　這一局，這倆大模型打了個平手。

　　我們又從「弱智吧」中找了道題目：為什么朝九晚五大家能接受，反過來朝五晚九就不行？

　　Grok3 一上來就抓住了重點。朝九晚五是 8 個小時，而朝五晚九是 16 個小時，工作時長明顯超出人體承受范圍。

　　?

　　遺憾的是，DeepSeek-R1 洋洋灑灑說了一大堆，從生物鐘、通勤聊到文化、法律，就是沒點出工作時長這一根本性的矛盾。

　　這一局，Grok3 勝！

　　再來一道數學題：49 個同學要渡河，渡口有一只能乘上 7 人的空小船，他們要全部渡過河，至少要使用這只小船來回多少次？

　　正確答案是 8 次。

　　Grok3 這次腦子轉得沒那么快，花了 2 分多鐘才給出正確答案。

　　不過它的解題過程倒是清晰，既識別出題目暗含「要有一人撐船」的坑，又逐步模擬了渡河的人數變化。

　　甚至最后還推導出了關于渡河這類題目的公式：對于 N 人，容量 C，A 到 B 次數 =(N-1)/(C-1)。

　　?

　　DeepSeek-R1 起初腦子很清醒，曉得每次來回的凈運送人數是 6 人，也明白最后一次的特殊情況，但就是在計算總次數時功敗垂成，把最后一次單程未計入來回，算成了 7 次。

　　這一回，Grok3 贏！

　　DeepSearch功能：可搜索X上的信息

　　測完了「Think」模式，我們再來測測「DeepSearch」功能。

　　最近馬斯克在社交媒體 X 上拋出「重磅炸彈」：美國社會保障系統疑似存在史上最大規模欺詐行為，超 3.94 億人領取社保。

　　其中百歲以上老人竟超過 2000 萬，甚至有人年齡高達 360 歲。

　　我們就讓這倆大模型介紹一下這事兒的來龍去脈，并上點難度，以表格的形式總結網友評價。

　　Grok3 DeepSearch的路徑可以在頁面左側一覽無余。

　　了解用戶請求后，開始搜索、瀏覽 Reddit 討論和帖子，然后搜索替代來源，為了信息的準確性，還要驗證用戶信息等。

　　我們扒了一下它搜索的 52 個信源，涉及 ABC、NBC 等權威媒體以及 reddit 論壇，還有它的優勢所在：社交平臺 X 上的大量數據。

　　在回答上，Grok3 給了兩個「版本」。

　　一個是直接回答，內容相對簡單，主要是羅列關鍵要點，介紹下背景以及表格形式總結 X 網友評價。

　　另一個則是「詳細報告」，將該事件的來龍去脈扒了個遍，在每個事實性描述的后面都附上了來源鏈接，以此對抗大模型的幻覺。

　　DeepSeek 給出的結果更為簡潔清晰，把事情的起因、經過、結果梳理得很有條理。

　　與 Grok3 一樣，DeepSeek 也給出了相應的參考鏈接，不過它參考的信源均是搜狐、騰訊等國內新聞網站。

　　與 DeepSeek-R1 不同的是，Grok3 還具有多模態能力。它可以分析總結上傳文件、圖片等。

　　不過，該功能與「Think」模式和「DeepSearch」模式不能同時使用。

　　我們上傳一張倒置的、模糊的菜單，并讓它回答：不用優惠，菜單上每款點一個，總共需要多少港幣？

　　該題目出自一個名為「ZeroBench」的視覺基準，20 多個知名模型，首次作答全部是零分。

　　Grok3 忙活一大頓，最后算出來錯誤結果。

　　因為從第一步單價識別它就「歇菜了」，明明菜單上第一道菜寫的是 88 元，它看成了 18 元，其他菜品的單價也是各有各的錯法。

　　果然是「地表最難」新基準，「地表最強」的 Grok3 也敗下陣來。

　　我們又上傳了一篇名為《LLM Pretraining with Continuous Concepts》的論文，讓它用最通俗易懂的語言介紹一下。

　　Grok3 秒出回復，用 AI 小白完全能看懂的語言，把這一復雜高深的新方法解釋得清清楚楚。

　　看來，AI 愛好者又多了一個讀論文的神器。

　　工具鏈接：

　　Grok3 鏈接： https://x.com/i/grok

　　DeepSeek-R1 鏈接： https://chat.deepseek.com /