山西证券：未来Grok 3有望在复杂推理场景深度应用
山西证券发表研究报告称：
Grok 3和Grok 3 mini在多方面性能上均超过或媲美Gemini、DeepSeek和ChatGPT等对手。根据官方公布的测试数据，Grok 3和Grok 3 mini在数学推理（AIME）、科学逻辑推理（GPQA）和代码写作（LCB）的基准测试上性能表现优于DeepSeek V3、GPT-4o、Gemini 2 Pro及Claude 3.5 Sonnet，其中，Grok 3性能较DeepSeek V3提升了27%-43%。而在推理能力测试中，Grok 3和Grok 3 mini推理模型的性能再次刷新了sota，其中，相较于DeepSeek R1，Grok 3的性能表现提升了16%-22%。
得益于思维链推理能力的引入，Grok 3在解决复杂任务方面的表现较为突出。Grok 3在发布会的演示上完成了多个复杂任务，包括正确编码并实现飞船从地球发射、登陆火星、到在下一个发射窗口返回地球的3D动画，其中Grok 3经过114秒的思考成功求解了开普勒定律，以及Grok 3融合俄罗斯方块和宝石迷阵的规则成功创作出新游戏。可以预计，未来Grok 3有望在医疗诊断、法律分析等复杂推理场景中得到深度应用。
Grok 3总训练成本预计高达DeepSeek V3模型的数倍乃至数百倍。xAI公司为Grok 3配备了拥有20万个上半年00 GPU的Colossus超级计算机进行训练，Grok 3累计训练时长达2亿GPU小时，根据vast ai最新数据，上半年00租赁价格大约在1-3美元每GPU小时，因此估算Grok 3的训练成本预计可达数亿美元，而DeepSeek V3论文中披露的模型正式训练阶段的成本仅557.6万美元。虽然Grok 3的发布预示着预训练阶段的Scaling Law仍在推动大模型的持续进步，但相较于DeepSeek，可以明显看出大模型在算法层面具备更大的进步空间。