马斯克的Grok3实测翻车！竟连9.11和9.9哪个大都答不出

马斯克发布Grok3：AI新版本引发热议，但实际表现引质疑 Grok3发布，全球期待值高涨 北京时间2月18日，马斯克与xAI团队在直播中正式发布了Grok的最新版本——Grok3。在发布会之前，马斯克通过不断预热和炒作，使得全球对Grok3的期待值达到了前所未有的高度。 Grok3在基准测试中表现优异 在一周前的直播中，马斯克曾评论DeepSeek R1，并表示xAI即将推出更优秀的AI模型。从现场展示的数据来看，Grok3在数学、科学与编程的基准测试上已经超越了目前所有的主流模型。马斯克甚至宣称Grok3未来将用于SpaceX火星任务计算，并预测“三年内将实现诺贝尔奖级别突破”。 实际测试：Grok3在基础问题上表现不佳 这些目前都只是马斯克的一家之言。在发布后，笔者测试了最新的Beta版Grok3，并提出了一个经典的问题：“9.11与9.9哪个大？”遗憾的是，在不加任何定语以及标注的情况下，号称目前最聪明的Grok3，仍然无法正确回答这个问题。 网友自发测试：Grok3在基础问题上屡屡翻车 在测试发出之后，很短的时间内迅速引发了不少朋友的关注。无独有偶，在海外也有很多类似问题的测试，例如“比萨斜塔上两个球哪个先落下”这些基础物理/数学问题，Grok3也被发现仍然无法应对。因此被戏称为“天才不愿意回答简单问题”。 Grok3在游戏分析中表现不佳 除了网友自发测试的这些基础知识上Grok3出现了翻车，在xAI发布会直播中，马斯克演示使用Grok3来分析他号称经常玩的Path of Exile 2（流放之路2）对应的职业与升华效果，但实际上Grok3给出的对应答案绝大部分都是错误的。直播中的马斯克并没有看出这个明显的问题。 Grok3的可靠性再次受到质疑 这个失误不仅成为了海外网友再次嘲讽马斯克打游戏“找代练”的实锤证据，同时也为Grok3在实际应用中的可靠性，再次打上了一个大大的问号。 Grok3的分数与实际能力不符 虽然在分数上，Grok3超过了目前公开测试的所有模型，但这一点并不被很多人买账：毕竟xAI在Grok2时代就有在这个榜单中“刷分”，随着榜单对回答长度风格做降权处理而大幅降低分数的情况，因此经常被业内人士诟病“高分低能”。