马斯克突发新版大模型，牺牲特斯拉资源叫板OpenAI，一手实测来了
神秘模型sus-column-r就是grok-2
梦晨 发自 凹非寺
量子位 | 公众号 QbitAI
马斯克旗下xAI大模型，出二代了！
Grok-2测试版发布，小杯Grok-2 mini已经在平台在线可玩。
马斯克还以谜语人的形式，揭晓了困扰大模型圈一个多月的秘密：
原来Lmsys大模型竞技场上的神秘匿名模型sus-column-r，真身就是Grok-2。
sus-column-r在排行榜上积累了1万多人类投票，已经与GPT-4o的API版并列第三。
在xAI自己的内部测试中，Grok-2在常识（MMLU、MMLU-Pro）、数学竞赛问题(MATH)、研究生水平科学知识 (GPQA)等领域与其他前沿模型相媲美。
另外Grok-2最擅长基于视觉的任务，在视觉数学推理 (MathVista) 达到SOTA。
不过这个图的排版可就有点心机在里面了：把分数最高的GPT-4o、Claude-3.5-Sonnet放得离自己远一些。
光看分数还是抽象，下面就进入一手实测环节。
一手实测Grok-2
如果你是/推特平台付费用户，可以直接进入Grok频道试玩。不花钱的话也可以到Lmsys大模型竞技场选择sus-column-r试玩。
而且付费用户反倒只能玩到小杯mini版，免费用户能玩大杯，也是很厚到了。
由于Grok-2可以访问上的实时数据，可以直接让他总结当天的新闻，开启趣味模式的话还可以附赠吐槽。
付费版本还接入了最新开源AI生图模型Flux.1，会把中文提示词翻译成英文理解。
点进主页上的“安利一个奇幻游戏”问题示例，可以看到它先推荐了《博德之门3》，并从剧情、人物自定义、游戏机制、世界塑造、幽默元素和玩家社区几个角度做点评，很好的把握了游戏的亮点。
此时可以直接换中文继续提问。
Grok-2同样了解《黑神话：悟空》这款还没发售的游戏，准确说出发售日期在8月20日、使用的虚幻5引擎，并且总结了上网友的讨论。
还在最后附带了网友的帖子，可以点进去参与讨论，与整个平台的功能整合已经到位了。
不过由于上只有mini版模型，接下来上强度测试我们移步大模型竞技场，还可以与GPT-4o来一场捉对pk。
在最近流行的智商检测问题“9.9和9.11哪个大”上，Grok-2（sus-column-r）表现碾压ChatGPT最新版本。
不过另一项流行测试“strawberry中有几个r”问题上，两者都还是没能通过。（多试几次两者都有小概率答对）。
更严肃一些的陷阱题“以下哪支蜡烛是最先被吹灭的”中，Grok-2比ChatGPT稍有进步。
考点是最先被吹灭的蜡烛剩下的部分更长（正确答案3），ChatGPT错误的理解成最短的，Grok-2思路是对的但是数哪个最长没数对。
对于经典的大模型弱点“逆转诅咒”问题，两者似乎都以某种方式克服了。不仅能正着回答“汤姆克鲁斯的母亲是谁”，也能倒过来回答数据出现频率更少的“Mary Lee Pfeiffer的儿子是汤姆克鲁斯”。
（当然不排除只是成为经典问题之后，相关数据更多了。）
马斯克大模型升级，牺牲特斯拉换的
测试先告一段落，可以看出Grok-2对比上一代Grok-1.5有了很大进步。
背后马斯克可是，花费了大量资源和人力。
比如有新加入xAI的研究员表示，能用10万卡集群做研究，比起在学校里可怜的资源爽太多了。
但是有一群人可不满意了：特斯拉股东。
根据华尔街日报消息，马斯克持续把人才、数据和GPU资源从特斯拉向xAI转移。
目前为止，xAI已经雇佣了至少11名曾在特斯拉工作过的员工，其中六名直接在Autopilot团队工作过。
原本为特斯拉保留的GPU订单，马斯克也要求英伟达优先供应xAI。
马斯克还公开谈论了特斯拉收集的大量视觉数据，他表示这些数据可以作为训练xAI模型的资源。
至少三位特斯拉股东因为这事把马斯克给告了，声称将资源转移到xAI损害了特斯拉投资者的利益。
目前案件正在特拉华州法院审理。
- Claude团队喜提清华物理学霸姚顺宇！两个Yao Shunyu都投身大模型了2024-10-28
- 帮了一把南美农民的拼多多，联合国粮农组织都点赞了2024-10-31
- 4个专业Agent帮你出海，00后跨境做起婚庆，在阿里国际跑通全流程2024-10-29
- 值得买科技与人大高瓴人工智能学院首个多模态领域联合研究成果亮相CNCC20242024-10-25
相关阅读
