Grok-3 от xAI Илонa Маска представили в понедельник, сделав громкие заявления о его возможностях и показав мощнейшую вычислительную инфраструктуру.
Основное внимание в анонсе уделили вычислительной мощности, тестам производительности и будущим функциям. Однако многие демонстрации выглядели скорее повторением того, что уже показывали другие компании в сфере ИИ.
Главной звездой презентации стал даже не сам Grok-3, а «Colossus» — гигантский кластер из 200 000 графических процессоров, который используется для обучения ИИ.
Создание этой системы проходило в два этапа: сначала провели 122 дня синхронного обучения на 100 000 GPU, затем ещё 92 дня масштабирования до полного объёма в 200 000 графических процессоров. По словам разработчиков xAI, построить эту инфраструктуру оказалось сложнее, чем саму нейросеть.
Компания уже планирует создать ещё более мощный кластер. По словам Маска, цель — увеличить текущие мощности в пять раз, что сделает этот суперкомпьютер самым мощным кластером GPU в мире.
Производительность моделей на базовых тестах. Источник: xAI
Что касается производительности, Grok-3 демонстрирует впечатляющие результаты в стандартных тестах для ИИ. Базовая версия модели (без встроенных механизмов Chain of Thought и логического рассуждения) стабильно занимает топовые позиции в тестах по математике (AIME), науке (GPOA) и программированию (LCB).
Кроме того, Grok-3 показывает сильные результаты в слепых тестах, что подтверждает его потенциал.
Grok-3 прошёл анонимное тестирование
xAI подтвердили, что загадочная модель с кодовым названием «Chocolate» на самом деле была тестовой версией Grok-3, загруженной в LLM Arena.
Во время испытаний она показала лучший рейтинг ELO среди всех языковых моделей. Это означает, что пользователи чаще выбирали её ответы, даже не зная, какая именно нейросеть их генерировала. Grok-3 сумела обойти конкурентов в условиях анонимного тестирования.
Такая методика считается одним из самых точных способов оценки качества моделей. В отличие от стандартных тестов, где ИИ может подгонять результаты, обучаясь на тех же датасетах, здесь всё основано исключительно на пользовательских предпочтениях и слепом выборе тысяч тестировщиков.
Результаты вычислений одновременно с логическим размышлением. Источник: xAI
Специальная версия Grok-3 под названием «Reasoning Beta» использует внутреннюю цепочку рассуждений и дополнительные вычисления во время тестирования. Это позволило модели достичь рекордных 93% на математическом тесте AIME 2025, тогда как другие лидирующие модели пока не поднимаются выше 87%.
Любопытно, что уменьшенная версия, Grok-3 Mini Reasoning Beta, иногда показывает даже лучшие результаты, чем версия поновее. Это объясняется более длительным периодом обучения.
Другими словами, у полноразмерного Grok-3 ещё есть потенциал для роста, и если он получит столько же тренировочного времени, сколько его компактная версия, результаты могут стать ещё лучше. Больший объём параметров даёт модели хороший запас прочности.
Однако, когда xAI попыталась продемонстрировать возможности Grok-3 вживую, презентация больше походила на догоняющую игру, чем на прорыв. Разработчики показали, как нейросеть решает задачи по физике и пишет код для игр с нуля — впечатляюще, но ChatGPT, Claude и Gemini умеют делать это уже давно.
