转载自《AI范儿》

xAI今日发布新一代大语言模型Grok-3及其精简版Grok-3 mini。最新基准测试显示，Grok-3在与DeepSeek的直接对比中展现出显著优势。

在数学能力测试（AIME'24）中，Grok-3获得52分，明显超过DeepSeek-V3的39分。科学知识评估（GPQA）方面，Grok-3以75分的成绩领先，而DeepSeek-V3为65分。在编程能力测试（LCB Oct-Feb）中，Grok-3同样以57分超过DeepSeek-V3的36分。

最新公布的AIME 2025性能测试中，Grok-3 Reasoning Beta版本在推理和计算时间复合评分上取得93分的优异成绩，其精简版本Grok-3 mini也达到了90分。相比之下，DeepSeek-R1的得分为75分，而Gemini-2 Flash Thinking仅为54分。这一结果进一步凸显了Grok-3在复杂数学推理和计算效率方面的突出优势。

特别值得注意的是，DeepSeek近期发布的DeepSeek-R1在其他推理能力测试中也未能赶超Grok-3。在数学推理中，Grok-3获得93分，DeepSeek-R1为73分；科学推理中，Grok-3得分85分，DeepSeek-R1为74分；编程推理中，Grok-3达到79分，而DeepSeek-R1为65分。

此外，在LMSYS聊天机器人竞技场评估中，Grok-3的得分约为1400分，不仅超过了DeepSeek系列，也领先于其他主流大模型，包括GPT-4、Claude等。

这些数据表明，尽管DeepSeek在过去几个月展现出强劲的发展势头，但Grok-3的整体性能仍然保持领先地位。特别是在数学推理和计算效率方面的优势更为明显，这不仅体现了xAI在模型研发上的技术实力，也显示出AI领域竞争的白热化程度。