近日，科技界巨頭馬斯克攜其xAI團隊，在一場備受矚目的直播活動中，隆重推出了備受期待的人工智能系統(tǒng)Grok 3。此前，馬斯克通過一系列預熱活動，已將公眾對Grok 3的期待值推至頂峰。

然而，在發(fā)布會上，馬斯克雖宣稱Grok 3在數學、科學與編程領域的基準測試中超越了所有主流模型，并計劃將其應用于SpaceX的火星任務計算，甚至預測其將在未來三年內取得諾貝爾獎級別的突破，但隨后的實際測試卻暴露了一些問題。

發(fā)布會結束后，部分媒體對Grok 3的Beta版進行了測試，并提出了一個經典難題：“9.11與9.9哪個大？”令人驚訝的是，這個被譽為“地球上最聰明的人工智能”的Grok 3，竟未能正確回答這一問題，引發(fā)了網友們的調侃，戲稱其為“天才不屑于回答簡單問題”。

據相關報道，記者針對此問題測試了包括阿里通義千問、百度文心一言在內的12個大模型。結果顯示，阿里通義千問、百度文心一言、Minimax和騰訊元寶給出了正確答案，而ChatGPT-4o、字節(jié)豆包、月之暗面kimi等多個大模型均回答錯誤，且錯誤方式各不相同。值得注意的是，即便是在限定了數學語境的情況下，部分大模型如ChatGPT仍未能給出正確答案。

業(yè)內人士指出，大模型在數學能力上的欠缺是一個長期存在的問題。由于生成式語言模型的設計更偏向于文科思維，而非理科邏輯，這在一定程度上限制了其在數學領域的表現。不過，也有觀點認為，通過針對性的語料訓練，未來有望逐步提高模型的理科能力。

在xAI發(fā)布會直播中，當Grok 3被用來分析游戲《流放之路 2》的職業(yè)與升華效果時，也暴露出了大量錯誤答案。令人驚訝的是，即便是這些明顯的錯誤，馬斯克也未能及時發(fā)現。

面對這些質疑，馬斯克在社交媒體上迅速回應，表示“Grok 3版本本周每天都會進行快速改進”，并誠邀用戶反饋使用過程中遇到的問題。這一態(tài)度顯示了馬斯克對于Grok 3發(fā)展的重視，也體現了他對于用戶反饋的珍視。

盡管Grok 3在發(fā)布初期遭遇了一些挫折，但馬斯克的積極回應和持續(xù)改進的承諾，無疑為這一項目的未來發(fā)展注入了新的活力。公眾對于Grok 3的期待并未因此減少，反而更加關注其后續(xù)的改進和優(yōu)化。