梦晨 发自 凹非寺色狗电影

量子位 | 公众号 QbitAI

马斯克旗下xAI大模子，出二代了！

Grok-2测试版发布，小杯Grok-2 mini还是在平台在线可玩。

马斯克还以私语东谈主的体式，揭晓了困扰大模子圈一个多月的奥密：

原来Lmsys大模子竞技场上的深奥匿名模子sus-column-r，真身便是Grok-2。

sus-column-r在排名榜上蚁合了1万多东谈主类投票，还是与GPT-4o的API版并排第三。

在xAI我方的里面测试中，Grok-2在知识（MMLU、MMLU-Pro）、数学竞赛问题(MATH)、规划生水平科学知识 (GPQA)等畛域与其他前沿模子相比好意思。

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。

不外这个图的排版可就有点心计在里面了：把分数最高的GPT-4o、Claude-3.5-Sonnet放得离我方远一些。

光看分数如故详尽，底下就干涉一手实测步调。

一手实测Grok-2

要是你是/推特平台付用度户，不错获胜干涉Grok频谈试玩。毋庸钱的话也不错到Lmsys大模子竞技场剿袭sus-column-r试玩。

而且付用度户反倒只可玩到小杯mini版，免用度户能玩大杯，亦然很厚到了。

由于Grok-2不错探询上的及时数据，不错获胜让他回来今日的新闻，开启情理情理模式的话还不错附赠吐槽。

付费版块还接入了最新开源AI生图模子Flux.1色狗电影，会把汉文教唆词翻译成英文意会。

点进主页上的“安利一个玄幻游戏”问题示例，不错看到它先推选了《博德之门3》，并从剧情、东谈主物自界说、游戏机制、寰球塑造、幽默元素和玩家社区几个角度作念点评，很好的把抓了游戏的亮点。

此时不错获胜换汉文络续发问。

Grok-2通常了解《黑传奇：悟空》这款还没发售的游戏，准确说启程售日历在8月20日、使用的演叨5引擎，而况回来了上网友的盘问。

还在临了附带了网友的帖子，不错点进去参与盘问，99b工厂与通盘平台的功能整合还是到位了。

不外由于上只须mini版模子，接下来上强度测试咱们移步大模子竞技场，还不错与GPT-4o来一场捉对pk。

在最近流行的智力检测问题“9.9和9.11哪个大”上，Grok-2（sus-column-r）推崇碾压ChatGPT最新版块。

不外另一项流行测试“strawberry中有几个r”问题上，两者齐如故没能通过。（多试几次两者齐有小概率答对）。

更严肃一些的陷坑题“以下哪支烛炬是开始被吹灭的”中，Grok-2比ChatGPT稍有跳跃。

考点是开始被吹灭的烛炬剩下的部分更长（正确谜底3），ChatGPT失实的意会成最短的，Grok-2念念路是对的但是数哪个最长没数对。

关于经典的大模子流弊“逆转漫骂”问题，两者似乎齐以某种花式克服了。不仅能正着复兴“汤姆克鲁斯的母亲是谁”，也能倒过来复兴数据出现频率更少的“Mary Lee Pfeiffer的女儿是汤姆克鲁斯”。

（虽然不抹杀仅仅成为经典问题之后，干悉数据更多了。）

马斯克大模子升级，破除特斯拉换的

测试先告一段落，不错看出Grok-2对比上一代Grok-1.5有了很大跳跃。

成人视频

背后马斯克然则，破耗了多半资源和东谈主力。

比如有新加入xAI的规划员暗示，能用10万卡集群作念规划，比起在学校里戚然的资源爽太多了。

但是有一群东谈主可不舒坦了：特斯拉鼓吹。

阐述华尔街日报音信，马斯克不息把东谈主才、数据和GPU资源从特斯拉向xAI转念。

当今完了，xAI还是雇佣了至少11名曾在特斯拉使命过的职工，其中六名获胜在Autopilot团队使命过。

蓝本为特斯拉保留的GPU订单，马斯克也条件英伟达优先供应xAI。

马斯克还公开辩驳了特斯拉麇集的多半视觉数据，他暗示这些数据不错算作检修xAI模子的资源。

至少三位特斯拉鼓吹因为这事把马斯克给告了，宣称将资源转念到xAI损伤了特斯拉投资者的利益。

当今案件正在特拉华州法院审理。

Lmsys大模子竞技场试玩：

https://arena.lmsys.org

参考邻接：

[1]https://x.ai/blog/grok-2

[2]https://www.wsj.com/tech/elon-musk-tesla-shore-up-ai-business-d4e2187f

[3]https://x.com/elonmusk/status/18235934752056855

— 完 —

量子位 QbitAI · 头条号签约色狗电影