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
梦晨 发自 凹非寺
量子位 | 公众号 QbitAI
马斯克旗下xAI大模型,马斯模型出二代了!克突
Grok-2测试版发布,发新哈尔滨市某某建筑工程教育中心小杯Grok-2 mini已经在平台在线可玩。版大板
马斯克还以谜语人的牺牲形式,揭晓了困扰大模型圈一个多月的拉资秘密:
原来Lmsys大模型竞技场上的神秘匿名模型sus-column-r,真身就是源叫Grok-2。
sus-column-r在排行榜上积累了1万多人类投票,手实测已经与GPT-4o的马斯模型API版并列第三。
在xAI自己的克突哈尔滨市某某建筑工程教育中心内部测试中,Grok-2在常识(MMLU、发新MMLU-Pro)、版大板数学竞赛问题(MATH)、牺牲研究生水平科学知识(GPQA)等领域与其他前沿模型相媲美。拉资
另外Grok-2最擅长基于视觉的源叫任务,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。
(责任编辑:焦点)
-
当地时间9月16日,中国常驻联合国副代表耿爽在安理会巴以问题公开会上发言指出,本轮巴以冲突将满一年,已有4.1万平民丧生,令人震惊和难以置信。尽管国际社会一再发出停火止战、停止杀戮的强烈呼声,但以色列 ...[详细]
-
多知8月4日消息,近日,在“OFFER之夜”新东方留学菁英盛典上,新东方前途出国就业中心宣布将推出“新东方人才库”以满足留学生的求职需求。新东方前途出国就业中心总监朱政介绍“新东方人才库”)当下,求职 ...[详细]
-
[文/观察者网 严珊珊]当地时间8月3日举行的巴黎奥运会网球女单决赛,中国选手郑钦文直落两盘战胜克罗地亚选手多娜·维基奇,夺取中国乃至亚洲历史上首枚奥运会个人网球金牌。 首盘一个关键分的判罚,让 ...[详细]
-
英伟达推迟出货B200,对营收影响几何?据科技媒体The Information报道,英伟达向其客户表示,新款Blackwell B200芯片将延迟发布三个月或更长时间,批量出货或延迟至明年Q1。Bl ...[详细]
-
当地时间14日,以色列国防军在一份声明中称,以军近日在加沙地带南部拉法的特尔苏丹社区开展军事行动,在行动中打死100多名巴勒斯坦武装人员。此外,以军在该地区还搜寻到多个属于巴勒斯坦伊斯兰抵抗运动哈 ...[详细]
-
蔡元培先生曾说,“教育是帮助被教育的人,给他能发展自己的能力,完成他的人格,于人类文化上能尽一分子的责任”。暑假既是放松身心的好时机,也是自我成长的绝佳契机。这段时间正好可以让老师们集中精力阅读、充电 ...[详细]
-
专家:自身修复能力下降 中老年人群更易罹患腰椎间盘突出症2024-08-02 16:42:31 来源:中国新闻网 ...[详细]
-
来源:健康中国 周末在小区散步,听到上述两位妈妈的聊天,我不禁心头一紧。现在正值暑假,孩子们都待在家里,水果、饮料、零食等几乎样样都有,预防“小胖墩”的难度更大了。 如果说大人对于甜味食物是既 ...[详细]
-
9月10日,广东深圳,网友发视频称莲花山公园男厕所小便池是半露天式,所有如厕者都将对着一片树林小便。11日,该公园工作人员称,最初打造的理念就是这样,小便时能看到外面的景色,不会走光,厕所的设计曾经还 ...[详细]
-
北京时间8月2日,在巴黎奥运会乒乓球女子单打半决赛中,中国选手陈梦4:0战胜韩国选手,顺利晋级决赛。 ...[详细]