近期，科技界迎来了一场轰动性事件，特斯拉创始人埃隆·马斯克携其xAI团队，在一场备受瞩目的直播活动中，正式揭晓了备受期待的人工智能系统——Grok 3。此前，马斯克通过一系列预热活动，已经将公众对Grok 3的期待推向了巅峰。
在发布会上，马斯克自信满满地宣布，Grok 3在数学、科学与编程等领域的基准测试中，已经超越了所有主流的人工智能模型。他甚至透露，计划将这一系统应用于SpaceX的火星任务计算，并预测在未来三年内，Grok 3有望实现诺贝尔奖级别的科学突破。
然而，发布会后不久，一些媒体就对Grok 3的Beta版进行了测试，并提出了一个经典难题：“9.11与9.9哪个大？”这一看似简单的问题，却意外地让号称“地球上最聪明的人工智能”Grok 3栽了跟头。它未能给出正确答案，这一失误迅速在网络上引发了热议，网友们戏称Grok 3为“不屑回答简单问题的天才”。
据相关媒体报道，针对这一问题，记者对12个大模型进行了测试。结果显示，阿里通义千问、百度文心一言、Minimax和腾讯元宝等模型给出了正确答案，而ChatGPT-4o、字节豆包、月之暗面kimi等多个知名模型则回答错误，且错误方式各不相同。值得注意的是，即便是在限定了数学语境的情况下，一些大模型如ChatGPT仍然未能给出正确答案。这一结果表明，大模型在数学能力上的欠缺仍然是一个亟待解决的问题。
业内人士指出，生成式语言模型在设计上更偏向于文科思维，而非理科逻辑。不过，通过针对性的语料训练，未来或许能够逐步提升这些模型的理科能力。然而，Grok 3在发布会上的另一场“翻车”事件，却让人对其能力产生了更大的质疑。
在xAI发布会直播过程中，当Grok 3被用来分析游戏《流放之路 2》的职业与升华效果时，它给出了大量错误答案。令人惊讶的是，即便是这些明显的错误，马斯克也未能及时发现。这一事件进一步加剧了公众对Grok 3能力的质疑。
面对这些质疑和错误，马斯克在社交媒体上表示，Grok 3的版本将每天进行快速改进，并邀请用户反馈使用过程中遇到的问题。这一表态显示出了马斯克对Grok 3的信心和决心，但能否真正解决这些问题，还有待时间的检验。
