Grok-3干掉GPT-4o，却没走出“AI死胡同”？

如今我们越来越明显地感受到，“Scaling Law 规模扩展”似乎走到了尽头。即使投入了庞大的算力资源，Grok-3 的性能也只略高于 GPT-4o，这让人不禁怀疑，单纯依赖堆叠算力的路径，是否仍是一条可持续的发展方向。

我们先来看具体的跑分表现。从整体成绩来看，Grok-3 是首个综合得分突破 1400 分的大模型，正式登顶当前评测榜单，也兑现了马斯克曾经的“豪言壮语”。

模型跑分细节表现

📌 数学领域（AIME'24）：

• Grok-3：52分，遥遥领先，表现最优；
• GPT-4o：仅得9分，表现异常低迷；
• 其他模型（Grok-3 mini、Gemini-2 Pro、DeepSeek-V3、Claude 3.5 Sonnet）得分在 36–40 分之间，差距不大。

📌 科学领域（GPQA）：

• Grok-3：75分，依旧排名第一；
• Gemini-2 Pro、DeepSeek-V3、Claude 3.5 Sonnet 均为 65 分，说明这些模型在科学推理方面实力相当。

📌 编程领域（Coding LCB Oct-Feb）：

• Grok-3：57分，继续领先；
• 其他模型得分区间在 34–41 分，差距相对较小，但依旧未能超越。

此外，Grok-3 还推出了自家的推理能力评测模型。在同一测试场景下，它的表现超过了 o3 mini、DeepSeek-R1 以及 Gemini-2 Flash Thinking，说明其在推理能力方面也已跻身第一梯队。

Grok发展速度惊人，但道路并非自己探出来的

在发布会上，Grok 团队还展示了一张模型发展路径图。从图上看，Grok系列大模型的迭代速度惊人，几乎在一年内完成了对 GPT-4o 的追赶。

不过，这条路并不是 Grok 自己摸索出来的。在 GPT 系列问世之前，大模型的训练路径尚未明朗。是 OpenAI 的探索，真正验证并奠定了当前这条“预训练+微调+多模态”的技术路线。正因为有了 GPT 的经验，Grok 才能绕过许多弯路，高效地完成大规模训练和能力堆叠。

Grok-3 用了多少算力？一张对比表告诉你

从表中可以看出，Grok-3 是“堆算力到极致”的典型案例，用的是土豪级别的 GPU 配置。但问题也随之而来：

“这么多 GPU 堆出来的性能提升，真的值得吗？”

这个问题引发了广泛争议。比尔·盖茨在一次访谈中就指出，Scaling Law 可能已经接近极限，未来 AI 的突破应更多聚焦在“元认知”与“思维链条”等方向，而不仅仅是资源投入。

对未来的启示：大模型发展应回归“技术创新”

Grok-3 的成功证明了“算力堆叠”在一定阶段仍然有效，但同时也暴露了其成本高、边际收益递减的问题。这也提醒整个行业：

• 算力和数据规模已不再是决定性因素；
• 算法优化、模型结构创新、思维能力增强将成为下一阶段的核心；
• 如何在更低的成本下，实现更高的效率，才是通往 AGI 的关键。

如果你需要，我也可以帮你配图或生成图表。需要我生成表格插图或图片描述吗？