Grok-2对比OpenAI：马斯克新模型深度评测

今年三四月间，xAI 相继推出了 Grok-1.5 大语言模型以及它的首个多模态模型 Grok-1.5 Vision。 按照 xAI 的说法，Grok-1.5V 在多学科推理、文档理解、科学图表分析、表格处理、屏幕截图解析乃至照片识别等多个维度，表现足以与当前顶尖的多模态模型一较高下。

Grok-2 的核心功能与特点

Grok-2 的 Beta 版于 2024 年 8 月 16 日在新加坡亮相。它被定位为当前最先进的语言模型，推理能力相当出众。这一次发布包括了 Grok-2 和它的轻量版 Grok-2 mini，两者目前已经在 ???? 平台向用户开放。从 Grok-1.5 到 Grok-2，升级幅度不小，尤其在对话、编程和推理这几个方向上，都出现了实实在在的突破。 值得一提的是，Grok-2 的早期版本曾以“sus-column-r”的代号参与 LMSYS 排行榜测试，结果跑赢了 Claude 3.5 Sonnet 和 GPT-4-Turbo。目前，Grok-2 和 Grok-2 mini 正在 ???? 平台上进行 Beta 测试，并计划在本月晚些时候通过企业 API 向更多开发者开放。 在语言模型与聊天能力方面，Grok-2 展现了明显的优势。它的早期版本在 LMSYS 聊天机器人竞赛中表现抢眼，Elo 评分超过了 Claude 和 GPT-4。内部测试中，AI 导师与该模型互动，专门评估其指令执行能力与信息准确性。与此同时，Grok-2 在推理和工具使用上的能力也有了提升，它能更准确地识别缺失信息、推断事件顺序，以及剔除无关干扰项。

基准测试表现

在基准测试中，Grok-2 在推理、阅读理解、数学、科学和编程等多个学术领域都交出了亮眼的成绩单。与 Grok-1.5 相比，Grok-2 和 Grok-2 mini 在这些测试中都实现了明显提升，展现出与其它前沿模型不相上下的竞争力。特别是在视觉数学推理（MathVista）和基于文档的问答（DocVQA）任务中，Grok-2 的表现已经达到了行业领先水平。

用户体验与功能优化

???? 平台上的 Grok 体验也在不断打磨，新版本的界面经过了重新设计，并加入了不少新功能。???? Premium 和 Premium+ 用户现在可以直接使用 Grok-2 和 Grok-2 mini 这两款新模型。Grok-2 被视为最先进的 AI 助手，具备强大的文本和视觉理解能力，能够整合 ???? 平台的实时信息。而 Grok-2 mini 更注重响应速度与质量之间的平衡。相比前代产品，Grok-2 在各类任务上的直观性和可操作性都有了明显提升——无论是找答案、协作写作，还是解决编程问题，表现都可圈可点。此外，Grok 还与 Black Forest Labs 合作，正在与 FLUX.1 模型进行实验，以进一步扩展其在 ???? 平台的功能。如果你是 Premium 或 Premium+ 的订阅者，记得把 ???? 应用更新到最新版本，才能参与 Grok-2 的 Beta 测试。

API 平台与开发者资源

本月晚些时候，Grok-2 和 Grok-2 mini 也将通过全新的企业 API 平台向开发者开放。这个新 API 平台基于先进的技术架构，支持全球范围内低延迟的多区域推理部署，并提供了增强的安全功能，比如多因素认证（包括 Yubikey、Apple TouchID 或 TOTP）。另外，还附带流量统计数据和高级计费分析（包括详细的数据导出）。管理 API 的推出，将帮助团队和用户更好地集成现有的内部工具和服务。

未来展望

Grok-2 和 Grok-2 mini 正在 ???? 平台上逐步铺开，未来应用将涵盖增强的搜索功能、深入的 ???? 帖子洞察以及改进的回复机制，这些都是由 Grok 驱动的。同时，即将发布的多模态理解功能预览，也将成为 Grok 体验的一部分。自 2023 年 11 月推出 Grok-1 以来，xAI 团队一直保持着迅猛的技术迭代节奏。Grok-2 的出现，让 xAI 在 AI 开发领域占据了更有利的位置。未来几个月，更多进展会陆续公布。

Grok-2 的发布与用户反馈

马斯克近日在 ????（推特）上透露，xAI 的大语言模型 Grok-2 将于 8 月推出。他提到，清理用于训练大语言模型的互联网数据是一个耗时的过程，但 Grok-2 在这方面会有明显的改进。 ???? 平台上的 Grok-2 Beta 测试效果不错，预计不久后通过企业 API 会向更多开发者开放。初步反馈显示，Grok-2 在实际应用中的表现和功能，已经引发了用户的积极关注。 随着新企业 API 的推出，Grok-2 及其迷你版将向更多开发者开放，期待能收集到更多实际使用中的体验反馈。

开源与闭源的大模型路线之争

在 xAI 宣布开源 Grok-1 之后，马斯克再次成为大模型市场的焦点。 8 月 11 日，他在 ???? 平台上透露 Grok-2 的测试版即将发布。实际上，早在 7 月，他就已经确认了 Grok-2 会在八月上线，并在回应用户关于训练数据的提问时，表示该模型会在这方面有显著提升。 今年 3 月，马斯克曾放话，Grok-2 将在“所有指标”上超越现有的 AI 模型。作为 xAI 自研的混合专家（MoE）模型，Grok 自 2023 年 11 月推出第一版以来，迭代速度相当快——今年 3 月和 4 月又先后推出了 Grok-1.5 和 Grok-1.5 Vision。不过，要实现超越所有现有 AI 大模型的目标，Grok-2 要面对的挑战不少。 Grok-1 采用混合专家系统设计，每个 token 从 8 个专家中选出 2 个来处理，这样能加快生成速度并降低推理成本。在 GSM8K、HumanEval 和 MMLU 等基准测试中，Grok-1 的表现超过了 Llama-2-70B 和 GPT-3.5，但与顶尖的 GPT-4 仍有明显差距。Grok-1.5 在 MATH 基准测试中拿到 50.6% 的成绩，在 GSM8K 上达到 90%，HumanEval 测试得分 74.1%。 Grok-1.5V 不仅能与 GPT-4V、Claude 3 Sonnet 和 Claude 3 Opus 等顶尖多模态模型媲美，还能处理文档、图表、屏幕截图和照片等多种视觉信息，甚至具备理解梗图和编写 Python 代码的能力。虽然目前 xAI 和马斯克尚未公开 Grok-2 的详细信息，但根据迭代趋势来看，他所说的“所有指标”提升的目标，是有可能实现的。 在开源与闭源的路线之争中，马斯克一直是坚定的开源倡导者。他多次公开表达对 OpenAI 闭源商业模式的不满，并以违反合同为由起诉 OpenAI 及其 CEO Sam Altman，要求恢复开源的开发方向。xAI 的成立，很大程度上也是为了防止人工智能领域出现一家独大的局面。讽刺的是，OpenAI 的“开放”程度其实并不如 xAI。马斯克索性开源了 3140 亿参数的 Grok-1，并遵循 Apache 2.0 许可证，允许用户自由使用、修改和分发。 尽管 OpenAI 是 AI 领域的领头羊，但要求它开源 ChatGPT 背后的模型代码并不现实，除非它自己愿意。不过，无论在国内还是国外，大模型的开源趋势已经越来越明显。去年 7 月，Llama2 宣布免费商用，迅速成为全球开发者的首选开源大模型。不久后，谷歌也通过发布 Gemma 进入开源领域，凭借 70 亿参数的版本超越了 Llama2-13B。在国内，阿里巴巴宣布开源 720 亿参数的通义千问 Qwen-72B，声称其性能超越 Llama2-70B，成为最强中文开源模型。 大模型的开源与闭源之争一直是热门话题，行业大佬们各自站队。百度 CEO 李彦宏代表“闭源派”，他认为在相同参数规模下，开源模型的能力未必能匹敌闭源模型，而且如果开源模型要达到闭源模型的能力，就需要更大的参数规模，这会导致推理成本升高、响应速度变慢。 而百川智能 CEO 王小川则支持开源，他认为开源与闭源并不是非此即彼的关系，两者结合或许能找到更优解。他预测未来 80% 的企业会采用开源大模型，因为闭源模型在适配产品时往往存在困难，成本也较高。 李彦宏和王小川的观点各有各的道理，反映的是不同的选择。大模型开源还是闭源，归根结底取决于商业模式。闭源模型在知识产权保护和数据安全合规方面有优势，但在灵活性和可定制性上可能受限；而开源模型则体现了互联网商业模式的成熟，虽然最终目的也是获利，但因为多方参与，更能促进生态发展——快速迭代、快速试错、共创共担。谷歌高级软件工程师 Luke Sernau 说得非常精准：开源模式的快速迭代，已经对部分闭源模型的生存构成威胁，因为开源方相当于获得了全球范围内的免费劳动力。这正是开源与闭源之争的根本原因——无论是开发者还是用户，往往更倾向于优秀的开源项目，由此形成的群聚效应，远胜于闭源模型。

写在最后

Grok-2 和 Grok-3 的演进，注定会引起广泛关注。相比于 Grok-1.5，Grok-2 在多个维度上展示了明显的进步——更优化的语境推理能力，更强的多模态理解功能。这一版本的推出，预计会在许多领域，尤其是编程和数学任务相关的应用中，树立新的标准。未来几个月，更多应用进展会陆续公布，可以期待它在实际使用中能交出怎样的答卷。 与此同时，Grok 在特斯拉及其它马斯克旗下公司中可能会扮演重要角色，尤其是在自动驾驶和智能聊天机器人的开发方向上。市场对 Grok-2 的需求以及其在不同领域的潜在应用，都表明这一新模型将对人工智能的进步和行业变革产生深远影响。

来源：互联网