马斯克Grok 3模型基准测试遭质疑，xAI回应并无不当

近期，人工智能领域内发生了一场关于基准测试结果的争议。据悉，xAI公司，一个专注于可解释人工智能（XAI）的企业，发布了一份关于其最新模型Grok 3的基准测试报告，引发了OpenAI一名员工的质疑。

xAI在官方博客上公布了一张图表，详细展示了Grok 3的两个版本——Grok 3 Reasoning Beta和Grok 3 mini Reasoning，在一项名为AIME 2025的高难度数学考试中的表现。这份图表显示，Grok 3的两个版本均超越了OpenAI当前最先进的模型o3-mini-high。

然而，OpenAI的员工对此提出了异议，指出xAI的图表并未全面反映事实。具体来说，该图表遗漏了o3-mini-high在“cons@64”条件下的得分。“cons@64”是一种测试方法，允许模型对每个问题尝试64次，并将出现频率最高的答案作为最终答案。在“@1”条件下，即模型首次尝试的得分上，Grok 3的两个版本均低于o3-mini-high。

尽管存在这一差异，xAI仍在其宣传材料中强调Grok 3是“最聪明的AI”。这一行为引发了OpenAI员工的进一步批评，认为xAI的基准测试结果具有误导性。

面对这些指责，xAI的联合创始人伊戈尔·巴布什金进行了回应。他表示，xAI在发布基准测试结果时并无不当之处，并指出OpenAI过去也曾发布过类似的误导性图表。巴布什金的这一回应，无疑为这场争议增添了更多的火药味。

目前，这场关于基准测试结果的争议仍在持续发酵。对于人工智能领域来说，如何确保基准测试的公正性和准确性，以及如何避免误导性的宣传，成为了亟待解决的问题。