Посмотрел запись часовой презентации новой версии AI-помощника в X: сам регулярно пользуюсь прошлой версией, поэтому было интересно, что нового готовит команда Маска.
1. Grok 3 в 10-15 раз мощнее, чем Grok 2
Обучался на кластере из 100 тысяч GPU Nvidia H100: это крупнейший в мире кластер с полным подключением. Предварительное обучение Grok 3 закончили в январе, но продолжают совершенствовать.
— Бенчмарки: доминирует в математике (AIME 2025), вопросах уровня PhD STEM и программировании (LeetCode).
— Слепые тесты: на Chatbot Arena (где юзеры оценивают две модели, решающие одну и ту же он стал первой моделью, набравшей более 1 400 баллов.
— С задачами хорошо справляется даже его младший брат, Grok-3 Mini. Если нужно использовать максимум вычислительной мощности для решения задачи, можно включить режим BigBrain, который делает многоступенчатый анализ.
А ещё тизернули голосовой помощник Ara на базе Grok 3 с человеческими интонациями.
2. DeepSearch: «армия стажёров» для поиска истины
Новый поисковый агент xAI читает, перекрёстно проверяет и синтезирует данные в режиме реального времени, ведёт «мыслительный процесс», включая перечисление источников и шагов по проверке (как в DeepSeek R1).
Примеры использования:
— Прогнозирование следующего окна запуска ракеты SpaceX (его Grok 3 накодил прямо в ходе трансляции);
— Анализ игровых стратегий Path of Exile (лол, тут даже Илон самоиронично усмехнулся);
— Предсказание результатов баскетбольных матчей или направления изменения стоимости акций публичных компаний.
3. ЦОД построили за 122 дня
Для обучения Grok 3 команда xAI с нуля построила в Мемфисе специальный центр обработки данных, переоборудовав заброшенную фабрику Electrolux.
— Арендовали «четверть мощностей мобильного охлаждения США» и использовали Tesla Megapacks для стабилизации нестабильных требований к питанию GPU.
— Это первый в истории крупномасштабный кластер с жидкостным охлаждением. Маск рассказывал, что у кластера для обучения Grok 2 из-за проблем с температурой эффективность падала до 80% — то есть было у них 8000 процессоров H100, а выдавали они мощность как 6500 процессоров.
Для обучения Grok 4 уже начали строить новый кластер. Он будет в пять раз мощнее — 1,2 ГВт вместо прежних 0,25 ГВ, и будет использовать новейшие сервера Nvidia GB200 и GB300.
4. Как получить и когда будет доступно
Сегодня ночью началась раскатка новых функций.
— Первыми доступ к Grok 3 получают подписчики уровня Premium+, это самая дорогая подписка за ≈22 евро в месяц (Grok 2 доступен в подписке Premium за ≈8 евро в месяц).
— Позже появится специальная подписка Super Grok для опытных пользователей.
— Голосовой помощник Ara будет доступен «как можно раньше», пока что в бета-версии, ориентировочно через неделю. Уже завтра должен появиться режим жёстко юморящего Grok 3 (unhinged fun mode).
— Скорее всего, через несколько месяцев Grok-2 будет выпущен в open source, когда Grok-3 стабилизируется.
Пачка цитат:
Маск, представляясь вслед за инженерами: «А я ничего не делаю. Просто иногда прихожу».
Маск о миссии Грока: «Грок — это слово из романа Роберта Хайнлайна "Чужак в чужой стране", которое использует персонаж, выросший на Марсе, и оно означает "полностью разобраться в чём-то". Миссия Grok — помочь нам разобраться в том, как устроена Вселенная».
Когда машины начнут делать прорывы: «Три года назад я говорил, что через два года машины начнут получать награды вроде Нобелевской премии, возможно, работая в паре с живым экспертом. […] получающие Нобелевские премии? Возможно, в паре с живым экспертом… но скоро».
Когда Grok установят на ракеты: «Думаю, через два года».
Вот что говорит о Grok 3 Андрей Карпатый, который уже потестил её в разных режимах:
✅ Grok 3 справился со сложной задачкой сделать веб-версию настольной игры Catan («Колонизаторы»). С ней не справлялись DeepSeek R1, Gemini 2.0 и Claude 3.5;
✅ Режим размышления в Grok 3 хорошо справился с задачкой оценки объёма вычислений для обучения Grok 2 (требует много анализа);
✅ Режим DeepSearch хорошо работает для исследований и комплексных поисковых запросов типа «Почему растут акции Palantir», но модель редко ссылается на X как на источник информации (что выглядит как упущение) и иногда генерирует несуществующие ссылки (это замечают и другие пользователи). Качество не дотягивает до OpenAI Deep Research, но на уровне Perplexity DeepResearch (которое достаточно высокое);
❌ Считает, что 9.11 > 9.9 и делает похожие логические ошибки в других тривиальных вопросах, но исправляется, если включить режим размышления;
❌ Есть проблемы с чувством юмора и этическими ограничениями: например, Grok 3 не смог написать эссе на тему, нормально ли мисгендерить кого-то, если это спасёт 1 млн людей от смерти.
❌ Не смогла нарисовать «пеликана на велосипеде» в формате SVG. Claude с этим справляется лучше всего.