Grok 3 与 Grok 3 mini

是什么

Grok 3 是 xAI 的大语言模型，2025 年 2 月 17 日发布，以 Grok 3 Beta 的名称与较小的 Grok 3 mini 一同推出。^[2][1]xAI 的公告于 2025 年 2 月 19 日发布。^[1]该模型面向推理（reasoning），即回答前会逐步推导问题；也面向智能体（agent）任务，即模型调用网页搜索等工具完成多步骤的工作。^[1]

由来

xAI 称，Grok 3 在其超级计算集群 Colossus 上训练，训练算力是此前最先进模型的十倍。^[1]有报道称该集群约有 20 万块 GPU。^[2]GPU（图形处理器）是大多数大型 AI 模型训练所用的芯片，超级计算集群则把大量 GPU 连在一起，共同完成一次训练。

Grok 3 承接 Grok 2，xAI 此次发布的重点是推理能力。^[1]

主要特点

第一个特点是上下文窗口。Grok 3 一次可以容纳 100 万 token，xAI 称这大约是早期 Grok 模型的八倍。^[1]token 是一小段文字，上下文窗口决定模型在作答时能同时看到多少内容。

第二个特点是 Think 模式。它的推理能力经过大规模强化学习（reinforcement learning）训练。强化学习是一种让模型因做出好结果而获得奖励、从而逐步改进的训练方法。开启 Think 模式后，模型会思考数秒到数分钟再作答，用户还能看到它产生的推理过程。^[1]这样，人们不仅能看到答案，也能看到模型是如何得出答案的。

Grok 3 mini 是另一款独立且更便宜的推理模型。xAI 把它定位于 STEM 任务，即科学、技术、工程和数学方面的任务，这类任务对泛化的世界知识要求较少。^[1]它比完整版便宜。

第三个特点是 DeepSearch，同期推出的研究型智能体。它会搜索网页，权衡相互矛盾的来源，并撰写一份总结报告。^[1]DeepSearch 是智能体的一个例子：模型不只依据已有知识作答，还会主动收集新资料并为用户整理。

基准测试成绩

xAI 报告了 Grok 3 的多项成绩。Grok 3（Think）在 AIME 2025 上得分 93.3%，AIME 是数学竞赛题，成绩取其最高测试时计算量（test-time compute，即每道题投入的计算量）下的结果；在 GPQA（研究生水平的科学题）上得分 84.6%；在 LiveCodeBench（编程题测试）上得分 79.4%。^[1]

据 xAI 报告，Grok 3 mini 在 AIME 2024 上得分 95.8%，在 LiveCodeBench 上得分 80.4%。^[1]Grok 3 的非推理版本在 MMMU 上得分 73.2%。MMMU 是一项需要大学水平知识、且题目包含图像的测试。^[1]在用户匿名对比聊天机器人的 Chatbot Arena 上，Grok 3 获得 1402 的 Elo 评分。^[1]这些数字都是开发者自己报告的，阅读时应视为开发者的说法。

开放范围

Grok 3 开放给 X 平台的 Premium 和 Premium+ 用户，也可以在 Grok.com 使用。免费用户于 2025 年 2 月 20 日获得使用权限。^[1][2]

API 于 2025 年 4 月上线，价格为每百万输入 token 3 美元、每百万输出 token 15 美元。^[3][2]2025 年 5 月，Grok 3 在微软 Azure 上可用。^[3][2]

在系列中的位置

Grok 3 把 Think 按钮和 DeepSearch 带入了 Grok 系列，之后是 2025 年 7 月的 Grok 4。^[2]