PRO会员通讯
AI好好用报道
编辑：杨文
马斯克在线玩梗。
昨天，号称「地表最强」的 Grok3 突然上线。
我们第一时间冲到了「吃瓜前线」，体验了一把它的「Think」模式，但仅问了两个问题，它就「罢工」让付费。
就在我们充了会员后，就看到马斯克这哥们在 X 上高调宣布：
Grok3 免费，直到把服务器干崩！
（编辑部内心 OS：不早说，白瞎了我们白花花的银子。）
当然了，付费用户 X Premium + 和 SuperGrok 用户将获得更多 Grok 3 的访问权限，此后还可以提前使用语音模式等高级功能。
随着马斯克大手一挥，Grok3 的流量瞬间超过 ChatGPT，并登上了美区免费应用排行榜第一。
经此一役，马斯克腰杆也硬了，直接在 X 上玩起了梗，求奥特曼此刻的阴影面积。
至于 Grok3 的实力，社交平台众说纷纭。
有网友认为，Grok3 是最好的大模型，因为它比 GPT-4o 快得多，「Think」模式完美适配提示指南，更便宜，UI 更简洁美观。
https://x.com/Yuchenj_UW/status/1892634804786757712
还有网友质疑马斯克投机取巧，设置 Prompt 让人以为知识库实时更新，实际上模型数据截止到 2024 年 7 月。
https://x.com/dotey/status/1892602321500094683
接下来，我们决定搞个一手实测，让 Grok3 和 DeepSeek-R1 来个同台竞技。
-1-
Think功能：Grok3确实有两把刷子
前几天的发布会上，马斯克把 Grok3 夸得天花乱坠，还展示了各种基准测试成绩。
其中在编程、数学、创意写作、指令遵循、长查询、多轮对话等多个维度上，Grok3 都排第一。
既然如此，我们就先来测测中美这俩最强大模型的「深度思考」功能。
打开 Grok3 的「Think」按钮，问出第一个问题：mississippi 有几个 i?
之前曾难倒一众大模型的经典问题，Grok3 花了 8 秒就做对。
它先是逐个检查每个字母是不是 i，然后还用另一种方法验证。
DeepSeek-R1 虽用时久一点，但也回答正确。它的思路和 Grok3 一致，也学会反复验证。
这一局，这俩大模型打了个平手。
我们又从「弱智吧」中找了道题目：为什么朝九晚五大家能接受，反过来朝五晚九就不行？
Grok3 一上来就抓住了重点。朝九晚五是 8 个小时，而朝五晚九是 16 个小时，工作时长明显超出人体承受范围。
遗憾的是，DeepSeek-R1 洋洋洒洒说了一大堆，从生物钟、通勤聊到文化、法律，就是没点出工作时长这一根本性的矛盾。
这一局，Grok3 胜！
再来一道数学题：49 个同学要渡河，渡口有一只能乘上 7 人的空小船，他们要全部渡过河，至少要使用这只小船来回多少次？
正确答案是 8 次。
Grok3 这次脑子转得没那么快，花了 2 分多钟才给出正确答案。
不过它的解题过程倒是清晰，既识别出题目暗含「要有一人撑船」的坑，又逐步模拟了渡河的人数变化。
甚至最后还推导出了关于渡河这类题目的公式：对于 N 人，容量 C，A 到 B 次数 =(N-1)/(C-1)。
DeepSeek-R1 起初脑子很清醒，晓得每次来回的净运送人数是 6 人，也明白最后一次的特殊情况，但就是在计算总次数时功败垂成，把最后一次单程未计入来回，算成了 7 次。
这一回，Grok3 赢！
-2-
DeepSearch功能：可搜索X上的信息
测完了「Think」模式，我们再来测测「DeepSearch」功能。
最近马斯克在社交媒体 X 上抛出「重磅炸弹」：美国社会保障系统疑似存在史上最大规模欺诈行为，超 3.94 亿人领取社保。
其中百岁以上老人竟超过 2000 万，甚至有人年龄高达 360 岁。
我们就让这俩大模型介绍一下这事儿的来龙去脉，并上点难度，以表格的形式总结网友评价。
Grok3 DeepSearch 的路径可以在页面左侧一览无余。
了解用户请求后，开始搜索、浏览 Reddit 讨论和帖子，然后搜索替代来源，为了信息的准确性，还要验证用户信息等。
我们扒了一下它搜索的 52 个信源，涉及 ABC、NBC 等权威媒体以及 reddit 论坛，还有它的优势所在：社交平台 X 上的大量数据。
在回答上，Grok3 给了两个「版本」。
一个是直接回答，内容相对简单，主要是罗列关键要点，介绍下背景以及表格形式总结 X 网友评价。
另一个则是「详细报告」，将该事件的来龙去脉扒了个遍，在每个事实性描述的后面都附上了来源链接，以此对抗大模型的幻觉。
DeepSeek 给出的结果更为简洁清晰，把事情的起因、经过、结果梳理得很有条理。
与 Grok3 一样，DeepSeek 也给出了相应的参考链接，不过它参考的信源均是搜狐、腾讯等国内新闻网站。
与 DeepSeek-R1 不同的是，Grok3 还具有多模态能力。它可以分析总结上传文件、图片等。
不过，该功能与「Think」模式和「DeepSearch」模式不能同时使用。
我们上传一张倒置的、模糊的菜单，并让它回答：不用优惠，菜单上每款点一个，总共需要多少港币？
该题目出自一个名为「ZeroBench」的视觉基准，20 多个知名模型，首次作答全部是零分。
Grok3 忙活一大顿，最后算出来错误结果。
因为从第一步单价识别它就「歇菜了」，明明菜单上第一道菜写的是 88 元，它看成了 18 元，其他菜品的单价也是各有各的错法。
果然是「地表最难」新基准，「地表最强」的 Grok3 也败下阵来。
我们又上传了一篇名为《LLM Pretraining with Continuous Concepts》的论文，让它用最通俗易懂的语言介绍一下。
Grok3 秒出回复，用 AI 小白完全能看懂的语言，把这一复杂高深的新方法解释得清清楚楚。
看来，AI 爱好者又多了一个读论文的神器。
工具链接：
Grok3 链接：https://x.com/i/grok
DeepSeek-R1 链接：https://chat.deepseek.com/
延伸阅读：
地表最强Grok3突袭免费体验，网友实测对比DeepSeek，发现中文彩蛋
20万张GPU！马斯克掏出「地表最强」大模型Grok-3，排行榜登顶，复仇OpenAI
以后我们会带来更多好玩的AI评测，也欢迎大家进群交流。
