xAI 发布 Grok 3 系列：20 万张 GPU 练出推理版，硬刚 o3-mini

马斯克为了跟 OpenAI 较劲，直接在孟菲斯堆出了两万平米级别的算力怪兽。xAI 正式端出了最新旗舰大模型 Grok 3 家族，不仅把孟菲斯拥有约 20 万张 GPU 的 Colossus 超算集群算力拉满，还在各项基准测试里向 OpenAI 扔下了战书。

这次登场的是个全家桶，包含基础款 Grok 3、体积更轻巧的 Grok 3 mini，以及针对复杂难题的推理模型 Grok 3 Reasoning。为了让大家尝鲜，马斯克还在 X 上宣布 Grok 3 在短期内向所有用户免费开放体验。

孟菲斯集群里的暴力美学

按照马斯克的说法，Grok 3 的训练算力大约是前代 Grok 2 的 10 倍，训练数据中甚至补充了大量法庭诉讼案卷等深度内容。模型的上下文窗口直接拉大到了 100 万 token，相比前代翻了 8 倍。

从官方给出的成绩看，Grok 3 的确有叫板的底气。它在 Chatbot Arena 取得了 1402 的 Elo 得分。前 OpenAI 研究员 Andrej Karpathy 评价称，它的实力已经稳稳切入了 OpenAI 最强模型如 o1-pro 所在的领先阵营。

在刚公布不久的 AIME 2025 数学竞赛测试中，Grok 3 的推理版本拿下了 93.3% 的高分，在博士级物理化学问答 GPQA 上得分达 84.6%，LiveCodeBench 编程测试也取得了 79.4%。即便是不开推理的常规版本，在学术基准和图像视频理解上也全面超越了 GPT-4o。

产品功能也同步翻新。用户现在可以在界面上点击 Think 按钮让模型展开多步推导，遇到极难的问题还能开启调用更多算力的 Big Brain 模式。此外 xAI 还上线了 DeepSearch，能直接扫瞄全网和 X 平台的内容整理研究摘要。

不过关于思考过程，马斯克在直播中提到为了防止别家拿去搞模型蒸馏，在客户端隐藏了部分思考痕迹，而官方博客则强调推理步骤允许用户审视。

目前 Grok 3 处于短期免费试用期。后续常规使用会向每月 40 美元的 X Premium+ 订阅者开放优先权，或者通过每月 30 美元、每年 300 美元的独立 SuperGrok 订阅获取更多配额与无限生图。马斯克还承诺，等 Grok 3 几个月后稳定成熟，就会把上一代 Grok 2 开源。

狂飙背后的安全后门

然而跑分上的亮眼表现并没有掩盖安全防护上的严重漏洞。AI 安全公司 Adversa AI 的红队测试给 Grok 3 当头泼了一盆冷水。

测试人员发现，Grok 3 面对简单的越狱攻击几乎不设防，测试的四种越狱手段里有三种成功突破了限制，能轻易诱导模型输出制造炸弹或违禁药品的危险指引。相比之下，OpenAI 和 Anthropic 的主流模型完全挡住了这四种攻击。

更严重的是，研究人员还通过提示词泄漏漏洞直接拿到了 Grok 3 的完整系统提示词。Adversa 首席执行官 Alex Polyakov 直言，Grok 3 的安全防线非常脆弱，水平基本只相当于此前同样暴露出越狱缺陷的 DeepSeek R1，完全没达到西方主流模型的安全标准。

如果 Grok 3 只是陪网友聊天，风险或许还局限在言论层面。但当这类模型被赋予调用工具、代表用户行动的 Agent 权限时，缺乏防护的底层漏洞就可能演变成直接被恶意邮件劫持的真实网络攻击。

为什么重要

对普通开发者和专业用户来说，现在绝对是免费体验顶尖推理模型的绝佳窗口期。特别是面对复杂代码生成、高阶数学建模和科研文献检索，Grok 3 的表现已经能直接平替 OpenAI 的高级工具，而且还拥有 100 万 token 的超大上下文。但如果是企业想把它接入工作流，我们建议保持观望，它的越狱漏洞和提示词泄漏风险在商用环境中是不可忽视的隐患。

在行业层面，Grok 3 证明了靠超大规模算力堆叠与强化学习相结合，后来者完全有能力在短短几个月内追平 OpenAI 构筑的技术壁垒。这会倒逼 OpenAI 加快推出下一代旗舰，同时也将大模型竞争的焦点从单纯的做题能力拉向了测试时算力调度。

xAI 这种先拼跑分、后补安全的做法看起来极其激进。它用闪电般的迭代速度抢占了舆论高地，却在基础安全对齐上落下了明显功课。我们认为，如果 xAI 想要在企业级 API 市场分一杯羹，补上安全护栏远比在跑分榜上多拿两分更紧迫。