Grok 3 Beta — 推理agent的时代

Grok 3 Beta — 推理agent的时代 Grok 3 Beta — 推理agent的时代 Modified February 22, 2025 No access 录屏2025 02 21 12.10.12 00:00 大规模预训练 关闭推理后，Grok 3 能够提供即时、高质量的响应。在不使用推理的模型中，Grok 3 在多种学术基准测试中取得了最先进的结果，包括：研究生级科学知识（GPQA）、一般知识（MMLU Pro）、数学竞赛问题（AIME）。Grok 3 还在图像理解（MMMU）和视频理解（EgoSchema）任务中表现出色。 上下文窗口为 100 万token——是之前模型的 8 倍——Grok 3 可以处理 extensive 文档并处理复杂的提示同时保持指令跟随的准确性。在针对长上下文 RAG 使用场景的 LOFT (128k) 基准测试中，Grok 3 达到了最先进的准确性（在 12 项不同的任务上平均计算得出），展示了其强大的信息检索能力。 Grok 3 还展示了更高的事实准确性以及增强的文本控制能力。代号为 chocolate 的 Grok 3 早期版本在 LMArena 聊天机器人竞技场排行榜上名列前茅，其 Elo 得分在所有类别中均超过了所有竞争对手。随着继续扩大规模，xAI正在准备在包含 200,000 块 GPU 的集群上训练更大的模型。 Grok Agents：推理与工具使用相结合 要理解宇宙，我们必须让 Grok 与世界交互。配备代码解释器和互联网访问权限后，Grok 3 模型学会查询缺失的上下文、动态调整其方法，并根据反馈改进其推理。 作为实现这一愿景的第一步，xAI推出了 DeepSearch ——xAI的第一个智能agent。这是一个快速的 AI agent，旨在在整个人类知识库中不懈地追求真相。 DeepSearch 被设计成能够综合关键信息、推理关于相互矛盾的事实和观点，并从复杂性中提炼出清晰性。无论用户需要访问最新的实时新闻、寻求关于社交困扰的建议，还是进行深入的科学研究， DeepSearch 都会帮助用户超越浏览器搜索。最终的结果将生成一份简洁而全面的报告，帮助用户跟上从未放缓的世界。 DeepSearch展示 No access 录屏2025 02 21 12.25.36 00:00 No access 录屏2025 02 21 12.28.06 00:00 No access 录屏2025 02 21 12.29.38 00:00 Grok 3 API 即将发布 在接下来的几周内，xAI将通过 API 平台发布 Grok 3 和 Grok 3 mini，提供标准模型和推理模型的访问权限。 DeepSearch 还将通过 API 发布给企业合作伙伴。 Grok 3 之后会有什么？ Grok 3 的训练正在进行中，未来几个月内计划频繁更新。很高兴将在企业 API 中推出新功能，包括工具使用、代码执行和高级代理能力。在上周发布了 RMF（风险管理框架）之后，xAI特别关注在训练过程中加快可扩展监督和对抗性稳健性的进展。 Grok 3 现已向 𝕏 付费和付费增强用户在 𝕏 和 Grok.com 上使用。付费增强用户还将立即获得 Think 和 DeepSearch 的访问权限。此外，Grok 3 的功能正在逐步向所有 Grok 用户推出，但有使用限制。付费增强用户将享有更高的使用限制并访问高级功能。 Grok.com No access 录屏2025 02 21 12.10.12 00:00 No access 录屏2025 02 21 12.10.12 00:00 大规模预训练 关闭推理后，Grok 3 能够提供即时、高质量的响应。在不使用推理的模型中，Grok 3 在多种学术基准测试中取得了最先进的结果，包括：研究生级科学知识（GPQA）、一般知识（MMLU Pro）、数学竞赛问题（AIME）。Grok 3 还在图像理解（MMMU）和视频理解（EgoSchema）任务中表现出色。 上下文窗口为 100 万token——是之前模型的 8 倍——Grok 3 可以处理 extensive 文档并处理复杂的提示同时保持指令跟随的准确性。在针对长上下文 RAG 使用场景的 LOFT (128k) 基准测试中，Grok 3 达到了最先进的准确性（在 12 项不同的任务上平均计算得出），展示了其强大的信息检索能力。 Grok 3 还展示了更高的事实准确性以及增强的文本控制能力。代号为 chocolate 的 Grok 3 早期版本在 LMArena 聊天机器人竞技场排行榜上名列前茅，其 Elo 得分在所有类别中均超过了所有竞争对手。随着继续扩大规模，xAI正在准备在包含 200,000 块 GPU 的集群上训练更大的模型。 Grok Agents：推理与工具使用相结合 要理解宇宙，我们必须让 Grok 与世界交互。配备代码解释器和互联网访问权限后，Grok 3 模型学会查询缺失的上下文、动态调整其方法，并根据反馈改进其推理。 作为实现这一愿景的第一步，xAI推出了 DeepSearch ——xAI的第一个智能agent。这是一个快速的 AI agent，旨在在整个人类知识库中不懈地追求真相。 DeepSearch 被设计成能够综合关键信息、推理关于相互矛盾的事实和观点，并从复杂性中提炼出清晰性。无论用户需要访问最新的实时新闻、寻求关于社交困扰的建议，还是进行深入的科学研究， DeepSearch 都会帮助用户超越浏览器搜索。最终的结果将生成一份简洁而全面的报告，帮助用户跟上从未放缓的世界。 DeepSearch展示 No access 录屏2025 02 21 12.25.36 00:00 No access 录屏2025 02 21 12.25.36 00:00 No access 录屏2025 02 21 12.28.06 00:00 No access 录屏2025 02 21 12.28.06 00:00 No access 录屏2025 02 21 12.29.38 00:00 No access 录屏2025 02 21 12.29.38 00:00 Grok 3 API 即将发布 在接下来的几周内，xAI将通过 API 平台发布 Grok 3 和 Grok 3 mini，提供标准模型和推理模型的访问权限。 DeepSearch 还将通过 API 发布给企业合作伙伴。 Grok 3 之后会有什么？ Grok 3 的训练正在进行中，未来几个月内计划频繁更新。很高兴将在企业 API 中推出新功能，包括工具使用、代码执行和高级代理能力。在上周发布了 RMF（风险管理框架）之后，xAI特别关注在训练过程中加快可扩展监督和对抗性稳健性的进展。 Grok 3 现已向 𝕏 付费和付费增强用户在 𝕏 和 Grok.com 上使用。付费增强用户还将立即获得 Think 和 DeepSearch 的访问权限。此外，Grok 3 的功能正在逐步向所有 Grok 用户推出，但有使用限制。付费增强用户将享有更高的使用限制并访问高级功能。 Grok.com 2月19日，xAI正式推出了全新升级的人工智能模型Grok3，并上线Grok官网，提供DeepSearch和Think的能力。 以下是官网的介绍： 下一代智能由 xAI 提供 Grok 3是xAI迄今为止最先进的模型：将强大的推理与广泛的预训练知识相结合。Grok 3在xAI的Colossus超级集群上训练，计算能力是以前最先进模型的10倍，在推理、数学、编码、世界知识和推理任务方面都有显著改进。Grok 3的推理能力通过大规模强化学习进行了优化，使其能够思考数秒到数分钟，纠正错误，探索替代方案并提供准确的答案。Grok 3在学术基准和现实世界用户偏好方面都具有领先的性能，在Chatbot竞技场中获得了1402分的Elo分数。 除此之外，xAI还推出了Grok 3 mini，它代表了成本效益推理的新前沿。这两个模型仍在训练中，并将根据用户的反馈迅速发展。xAI将在未来几天向用户推出 Grok 3，这篇内容将具体展示其推理能力。 思考更多：测试时间计算与推理 xAI发布了两个 beta 推理模型，Grok 3（Think）和 Grok 3 mini（Think）。它们是通过前所未有的大规模强化学习（RL）训练，以精炼其推理过程，从而以数据高效的方式实现高级推理。通过 RL，Grok 3（Think）学会了精炼其解决问题的策略，通过回溯纠正错误，简化步骤，并利用预训练期间学到的知识。就像人类在解决复杂问题时一样，Grok 3（Think）可以花费从几秒钟到几分钟不等的时间进行推理，常常会考虑多种方法，验证自己的解决方案，并评估如何精确满足问题的要求。 两个模型仍在训练中，但已经展现出在多种基准测试中的出色性能。xAI在这次测试中使用了 2025 年美国邀请数学考试（AIME），该考试于 2 月 12 日刚刚发布，仅在 7 天前。在最高测试计算水平（cons@64）下，Grok 3（Think）在此次竞赛中取得了 93.3%的成绩。Grok 3（Think）还在研究生水平专家推理（GPQA）中取得了 84.6%的成绩，并在 LiveCodeBench 代码生成和问题解决中取得了 79.4%的成绩。此外，Grok 3 mini 在不需要太多世界知识的 STEM 任务高效推理方面达到了新的里程碑，在 AIME 2024 中取得了 95.8%的成绩，并在 LiveCodeBench 中取得了 80.4%的成绩。 要使用 Grok 3 的推理能力，只需按下 Think 键。Grok 3（Think）的思维链完全开放，允许用户不仅查看最终答案，还能查看模型本身的推理过程。我们发现 Grok 3（Think）的性能在多种问题领域具有泛化能力。以下是一些 Grok 3 的推理示例。