近期，科技界迎來了一場轟動性事件，特斯拉創始人埃隆·馬斯克攜其xAI團隊，在一場備受矚目的直播活動中，正式揭曉了備受期待的人工智能系統——Grok 3。此前，馬斯克通過一系列預熱活動，已經將公眾對Grok 3的期待推向了巔峰。
在發布會上，馬斯克自信滿滿地宣布，Grok 3在數學、科學與編程等領域的基準測試中，已經超越了所有主流的人工智能模型。他甚至透露，計劃將這一系統應用于SpaceX的火星任務計算，并預測在未來三年內，Grok 3有望實現諾貝爾獎級別的科學突破。
然而，發布會后不久，一些媒體就對Grok 3的Beta版進行了測試，并提出了一個經典難題：“9.11與9.9哪個大？”這一看似簡單的問題，卻意外地讓號稱“地球上最聰明的人工智能”Grok 3栽了跟頭。它未能給出正確答案，這一失誤迅速在網絡上引發了熱議，網友們戲稱Grok 3為“不屑回答簡單問題的天才”。
據相關媒體報道，針對這一問題，記者對12個大模型進行了測試。結果顯示，阿里通義千問、百度文心一言、Minimax和騰訊元寶等模型給出了正確答案，而ChatGPT-4o、字節豆包、月之暗面kimi等多個知名模型則回答錯誤，且錯誤方式各不相同。值得注意的是，即便是在限定了數學語境的情況下，一些大模型如ChatGPT仍然未能給出正確答案。這一結果表明，大模型在數學能力上的欠缺仍然是一個亟待解決的問題。
業內人士指出，生成式語言模型在設計上更偏向于文科思維，而非理科邏輯。不過，通過針對性的語料訓練，未來或許能夠逐步提升這些模型的理科能力。然而，Grok 3在發布會上的另一場“翻車”事件，卻讓人對其能力產生了更大的質疑。
在xAI發布會直播過程中，當Grok 3被用來分析游戲《流放之路 2》的職業與升華效果時，它給出了大量錯誤答案。令人驚訝的是，即便是這些明顯的錯誤，馬斯克也未能及時發現。這一事件進一步加劇了公眾對Grok 3能力的質疑。
面對這些質疑和錯誤，馬斯克在社交媒體上表示，Grok 3的版本將每天進行快速改進，并邀請用戶反饋使用過程中遇到的問題。這一表態顯示出了馬斯克對Grok 3的信心和決心，但能否真正解決這些問題，還有待時間的檢驗。
