2月19日，马斯克旗下的大模型平台 xAI 推出了新的模型——Grok-3。官方宣称，Grok-3 在推理、数学、编码和指令遵循任务中均表现出色，并在一系列基准测试中表现出色。而马斯克更是称一模型为 ⌈ 地表最强 ⌋。
（非推理模式的Grok-3与其它大模型能力对比）
根据了解，grok-3 并非单一模型，而是一个包含多个版本的模型家族。其中包括了变体版本—— grok-3-reasoner（推理版）。这一个版本能够像 OpenAI 的 o3-mini 和 DeepSeek 的 R1 等推理模型一样，仔细思考问题，并在给出结果前进行彻底的事实核查，从而避免了一些通常会困扰模型的错误。
除了推理版本外，grok-3 还引入了一项名为【DeepSearch】的新功能。xAI将其描述为一种新型搜索引擎，能够扫描互联网和X平台上的信息，并以摘要的形式回应用户查询。
关于grok-3系列模型的详细介绍可查看官方文档：https://x.ai/blog/grok-3
grok-3系列模型对比：
为了更好理解三个版本的差异，我们会使用同一问题进行测试，并通过对输出结果对比分析具体的不同之处。
提示词：为什么我爸妈结婚的时候没邀请我参加婚礼？用中文回答
grok-3常规版本：常规版直接给出答案，看不到推理过程。
grok-3-reasoner（推理版本）：推理版会展示了思考链路，再输出答案。
grok-3 -deepSearch（搜索版）：这一版本会通过检索网络信息输出结构化报告，与前面的版本都不同，这更加适合市场调研等领域应用。
模型实测：
根据上述比较，我们将深入测试推理版本grok-3-reasoner，并通过与同类型模型o3-mini（medium）和DeepSeek-R1进行对比，更直观地观察这三个模型的表现：
以下实测使用的是相同的提示词，且摘取模型第一次输出的结果。
实测1和实测2使用的工具为：302.AI的模型竞技场
实测3使用工具为：302.AI聊天机器人-Artifacts功能
实测1：弱智吧题目
提示词：生蚝煮熟了叫什么？
考察点：看似简单的名称辨析，其实是测试模型对语言逻辑、科学常识的综合理解能力。
o3-mini ：分析错误，回答错误。
DeepSeek-R1：回答正确，解析清晰且合理。
grok-3-reasoner ：仔细观察模型的答案，可以发现模型实际上知道正确答案，但为了增加趣味性，最后给出了“熟蚝”这个答案。
第1轮实测结果：DeepSeek-R1 >grok-3-reasoner>o3-mini
实测2：计算推理测试
提示词：请在错误的等式中添加一对括号:1+2×3+4×5+6×7+8×9=479，以使等式成立
考察点：测试模型的数学计算、逻辑推理、问题解决能力以及对数学符号的理解。
o3-mini：给出了验算步骤，最后回答正确。
DeepSeek-R1：回答错误，结合思维链来看，模型已经意识到答案与原始答案不一致，但很可惜仍未提供正确答案。
grok-3-reasoner：未能输出答案，模型持续思考并反复测试可能的答案，在输出长达一分钟后不得不手动暂停。通过思考过程可以观察到，在测试答案时，模型添加的括号数量超过一个，这已经与题目的原意不相符了。
第2轮实测结果： o3-mini > DeepSeek-R1> grok-3-reasoner
实测3：编程测试
提示词：用前端代码制作一个碰撞小游戏：小球在弹跳，一侧放置了方块，小球碰到方块则得分，方块全部消失即通关，界面需要包含开始游戏按钮、游戏说明。所有代码放在一起输出。
o3-mini：界面设计一般，小球弹跳较流畅，得分正常实时变化，但缺乏交互，用户无法通过任何方式对游戏进行操作。
DeepSeek-R1：界面设计在三个模型中最好，小球弹跳正常，得分显示正常，且用户能通过键盘操作游戏，整体表现上明显优于其他两个模型。
grok-3-reasoner ：界面设计中规中矩，功能实现基本符合预期，得分系统能够实时更新显示，小球的弹跳也还算流畅自然。然而，缺乏足够的互动性，玩家无法对游戏进行操作。
第3轮实测结果：DeepSeek-R1 >grok-3-reasoner=o3-mini
实测结果总结：
通过以上三个简单的对比实测，能够初步得出以下结论：
（1）在弱智吧题目测试中的表现排名：DeepSeek-R1 > grok-3-reasoner>o3-mini
智吧题目测试中，grok-3 实际上知道正确答案，但为了增加趣味性，它选择了输出一个错误的答案，这种做法让测试过程变得更加有趣。
（2）在计算推理方面表现排名：o3-mini > DeepSeek-R1> grok-3-reasoner
在进行计算推理任务的过程中，多次尝试提问 grok-3，但遗憾的是始终未能输出最后答案。这表明当前的模型在处理此类任务时仍存在一些不足之处。
（3）在编程方面表现依次排名：DeepSeek-R1 >grok-3-reasoner=o3-mini
在编程任务中，grok-3 界面设计和功能实现相对中规中矩，与 o3-mini 表现相似，与 DeepSeek-R1 相比，在用户交互体验上略显不足。
总之，在以上的实测中，grok-3的表现并不太亮眼。尽管官方宣传grok-3的评分很高，但对于大多数普通用户来说，评分只是一个次要参考，最重要的是要选出一个合适、顺手的模型使用。最后，希望今天的实测能够为大家在选择模型时提供有效的参考。
在302.AI上使用grok-3系列模型
302.AI的聊天机器人和API超市均上线了 grok-3系列模型，并提供按需付费的服务方式，企业和个人用户可按需灵活选用。
1、使用模型对话
依次点击使用机器人→聊天机器人→ 模型→其他模型→grok-3系列→ 创建聊天机器人；
2、使用模型API
企业用户可以通过302.AI的API超市快速、便捷地调用模型，还能够根据特定项目需求进行定制化开发。
相关文档：使用API→API超市→语言大模型→其他模型→查看文档；
API名称如下：
grok-3（常规版本）
grok-3-reasoner （推理版本）
grok-3-deepsearch（搜索功能版）
