详情

Grok-3 才发布 3 天，就堕入舞弊风云。

近邻 OpenAI 诈欺左右火速掀桌：每次评估中 o3-mini 齐要比 Grok-3 好，看到 Grok 团队舞弊确切令东谈主失望。

咋回事？

在 Grok-3 的 Blog 中有一张 AIME 2025 评估图令东谈主印象潜入，两个新版块模子齐进步 o3-mini 高配版。

但注释看，Grok-3 两个模子的柱状图中齐有 1 段激情更浅的部分。OpenAI 质问的舞弊，即是在这里。

淡色部分代表了 Grok-3 模子在 Con@64 上的得益。

即这是模子进行 64 次谜底后的得益，而不是单次回应。

那么问题就来了，被拿来对比的 o3-mini、o1、DeepSeek-R1、Gemini-2 Flash Thinking 似乎并莫得这部分得益。

有东谈主就示意，若是确切如斯，那么 Grok-3 推理模子仅仅和 o1 至极。OpenAI 和 xAI 之间依旧差了 9 个月。

OpenAI 认真模子联想的议论员 Aidan McLaughlin 更是情谊开麦，示意马斯克发布时说的话极其有误导性，这会让东谈主以为浅蓝色部分是通过推理完毕的得益。

不外值得一提的是，这种模子评估对比门径似乎是 OpenAI 开了头。o3-mini 的 Blog 中，也看到了访佛风光的评估。

是以，为啥这样对比不对理？

禁受 cons@64，o1 齐能和 o3-mini 至极

领先明确意见：

cons@64：让模子生成 64 个谜底，最终禁受出现频率最高的回应。

pass@64：若是 64 个谜底中惟一有一个谜底正确，模子就得分。

是以有东谈主就说了，问题的要津不是 xAI 不应该使用 cons@64;

要津在于，若是其他模子仅仅尝试了一次，那就不太平允了。

因为 blog 中并莫得证明晰，是以假设是这种情况。

有 AI 博主也列出了征集到的猜度数据，o3-mini 在单次回应上的阐扬更好。

其次，凭据 o3-mini 的 blog，o1 模子禁受 cons@64 得益，致使不错和 o3-mini 打个至极。

这意味着禁受 cons@64 得益是"有上风"的。

有东谈主也揪着这事不放，然而 OpenAI 照实没让 o3-mini 用 cons@64。

终末，Grok-3 发布时的说法似乎有一定误导性。

有东谈主贴出来了原片断。在被问及评估图中的淡色部分是什么时，官方给出的解说是：

这些模子不错推理、不错想考，不错条件模子想考更长、花更多工夫进行测试时推理。这种情况下，这些淡色部分意味着咱们仅仅破耗更多工夫让模子处分归并个问题，然后它才会得出什么是正确的谜底。若是这样作念，模子致使不错阐扬得更好。

OpenAI 议论员 Aidan 认为这段话极具误导性，他仅仅说使用更多测试时联想，听起来像是作念更多推理，但其实不是如斯。

一言以蔽之，Grok 团队这样干照实有点不纯碎。

吃瓜到这，网友们难免运转蛐蛐：

Grok-3 不如 o3-mini，马斯克就会给团队上压力。然后想出的好方针即是在基准测试上作念四肢。

以及为啥齐不和 Claude 作念对比呢？

不外也有东谈主认为这事弗成一棒子打死，Grok 仍旧有许多值得关怀的方面。比如 Grok-3 一个月前才完成预教师，这仅仅一个月内基于 CoT 的后教师已矣，模子还有很大的擢腾飞间。此外 xAI 正在以行业内最快的速率扩张预教师联想才略。

以及 Grok-3 发布后，开荒者们依然火速琢磨出了一些真谛真谛的新玩法。

粗拙开荒小游戏

这不，有东谈主就晒出了在特斯拉上完用 Replit+Grok 开荒的小游戏。

还有曾在微软深度参与 Windows 系统开荒的大佬 Dave Plummer，也用 Grok-3 复刻了经典的打砖块游戏。

他为 Windows 创建了任务料理器、为 Windows 完成了对 zip 文献的撑捏。

这一次，他展示了若何只用几句话就让 Grok-3 开荒小游戏。

教唆词齐很绵薄：

"来作念个彩色版打砖块奈何样"

"让球自动出动，并让球每次从拍子上弹起时速率提高 10% "

"很好，球在垂直弹射时会卡住。一运转游戏是奈何联想的？do the same "

终末得回的后果是这样的：

值得一提的是，马斯克最近阐明了开荒了 AI 游戏责任室的音信，他要让游戏再次伟大（doge）。

参考流畅：

[ 1 ] https://x.com/BorisMPower/status/1892407015038996740

[ 2 ] https://www.reddit.com/r/singularity/comments/1itoi3f/grok3_thinking_had_to_take_64_answers_per/

[ 3 ] https://www.tomshardware.com/tech-industry/artificial-intelligence/grok-3-used-to-clone-breakout-game-fabled-windows-developer-shares-prompts-and-codeky体育app最新版下载