xAI 釋出 Grok 3 系列：20 萬張 GPU 練出推理版，硬剛 o3-mini

馬斯克為了跟 OpenAI 較勁，直接在孟菲斯堆出了兩萬平米級別的算力怪獸。xAI 正式端出了最新旗艦大模型 Grok 3 家族，不僅把孟菲斯擁有約 20 萬張 GPU 的 Colossus 超算叢集算力拉滿，還在各項基準測試裡向 OpenAI 扔下了戰書。

這次登場的是個全家桶，包含基礎款 Grok 3、體積更輕巧的 Grok 3 mini，以及針對複雜難題的推理模型 Grok 3 Reasoning。為了讓大家嚐鮮，馬斯克還在 X 上宣佈 Grok 3 在短期內向所有使用者免費開放體驗。

孟菲斯集群裡的暴力美學

按照馬斯克的說法，Grok 3 的訓練算力大約是前代 Grok 2 的 10 倍，訓練資料中甚至補充了大量法庭訴訟案卷等深度內容。模型的上下文視窗直接拉大到了 100 萬 token，相比前代翻了 8 倍。

從官方給出的成績看，Grok 3 的確有叫板的底氣。它在 Chatbot Arena 取得了 1402 的 Elo 得分。前 OpenAI 研究員 Andrej Karpathy 評價稱，它的實力已經穩穩切入了 OpenAI 最強模型如 o1-pro 所在的領先陣營。

在剛公佈不久的 AIME 2025 數學競賽測試中，Grok 3 的推理版本拿下了 93.3% 的高分，在博士級物理化學問答 GPQA 上得分達 84.6%，LiveCodeBench 程式設計測試也取得了 79.4%。即便是不開推理的常規版本，在學術基準和影像影片理解上也全面超越了 GPT-4o。

產品功能也同步翻新。使用者現在可以在介面上點選 Think 按鈕讓模型展開多步推導，遇到極難的問題還能開啟呼叫更多算力的 Big Brain 模式。此外 xAI 還上線了 DeepSearch，能直接掃瞄全網和 X 平臺的內容整理研究摘要。

不過關於思考過程，馬斯克在直播中提到為了防止別家拿去搞模型蒸餾，在客戶端隱藏了部分思考痕跡，而官方部落格則強調推理步驟允許使用者審視。

目前 Grok 3 處於短期免費試用期。後續常規使用會向每月 40 美元的 X Premium+ 訂閱者開放優先權，或者通過每月 30 美元、每年 300 美元的獨立 SuperGrok 訂閱獲取更多配額與無限生圖。馬斯克還承諾，等 Grok 3 幾個月後穩定成熟，就會把上一代 Grok 2 開源。

狂飆背後的安全後門

然而跑分上的亮眼表現並沒有掩蓋安全防護上的嚴重漏洞。AI 安全公司 Adversa AI 的紅隊測試給 Grok 3 當頭潑了一盆冷水。

測試人員發現，Grok 3 面對簡單的越獄攻擊幾乎不設防，測試的四種越獄手段裡有三種成功突破了限制，能輕易誘導模型輸出製造炸彈或違禁藥品的危險指引。相比之下，OpenAI 和 Anthropic 的主流模型完全擋住了這四種攻擊。

更嚴重的是，研究人員還通過提示詞洩漏漏洞直接拿到了 Grok 3 的完整系統提示詞。Adversa 執行長 Alex Polyakov 直言，Grok 3 的安全防線非常脆弱，水平基本只相當於此前同樣暴露出越獄缺陷的 DeepSeek R1，完全沒達到西方主流模型的安全標準。

如果 Grok 3 只是陪網友聊天，風險或許還侷限在言論層面。但當這類模型被賦予呼叫工具、代表使用者行動的 Agent 許可權時，缺乏防護的底層漏洞就可能演變成直接被惡意郵件劫持的真實網路攻擊。

為什麼重要

對普通開發者和專業使用者來說，現在絕對是免費體驗頂尖推理模型的絕佳視窗期。特別是面對複雜程式碼生成、高階數學建模和科研文獻檢索，Grok 3 的表現已經能直接平替 OpenAI 的高階工具，而且還擁有 100 萬 token 的超大上下文。但如果是企業想把它接入工作流，我們建議保持觀望，它的越獄漏洞和提示詞洩漏風險在商用環境中是不可忽視的隱患。

在行業層面，Grok 3 證明了靠超大規模算力堆疊與強化學習相結合，後來者完全有能力在短短幾個月內追平 OpenAI 構築的技術壁壘。這會倒逼 OpenAI 加快推出下一代旗艦，同時也將大模型競爭的焦點從單純的做題能力拉向了測試時算力排程。

xAI 這種先拼跑分、後補安全的做法看起來極其激進。它用閃電般的迭代速度搶佔了輿論高地，卻在基礎安全對齊上落下了明顯功課。我們認為，如果 xAI 想要在企業級 API 市場分一杯羹，補上安全護欄遠比在跑分榜上多拿兩分更緊迫。