共计 2335 个字符，预计需要花费 6 分钟才能阅读完成。
从 Grok3 发布至今，马斯克天天吹 Grok 全球第一。
我就不信了，Grok3 真的有那么厉害吗？
怀着好奇的心情，我花了几个小时，在不加任何提示词的情况下，用“国产之光” DeepSeek R1 和被马斯克号称第一的 Grok3 对比了下。
推理能力#
众所周知，DeepSeek R1 是个推理模型，所以我们直接用号称“最佳中文 AI 训练数据”的百度弱智吧问题为例，对比看下两者的推理能力。
这些问题大多荒诞但又有逻辑陷阱，比如：
为什么我爸妈结婚的时候没邀请我参加婚礼？
我们先问下 OpenAI o3-mini，它的回答如下。
看得出来，o3-mini 似乎没看出这个问题的陷阱。
再看看 Grok3 的回答。
Grok3 点出了这个问题的关键点，算是过关了。
我们再看看 DeepSeek R1 的回答。
说实话，再婚和领养的问题，我压根都没想到过，DeepSeek 还温馨的提示“每个家庭都有独特的故事，你的存在是这个故事最美的续篇”。
为了防止有人说这个测试案例太奇葩了，我们再用下面这个我都要反复确认好几次的句子做测试。
人要是行，干一行行一行，一行行行行行，行行行干哪行都行。要是不行，干一行不行一行，一行不行行行不行，行行不行干哪行都不行。
上面这句话的拼音是什么?
DeepSeek R1 仍然不负众望的给出正确读音，十分优秀！
而 Grok3 或许是因为训练数据的原因，并没有正常读出这句话。
所以第一回合，我相信你和我一样，认为 DeepSeek R1 毫无疑问胜出吧。
搜索能力#
接下来我们看看两者的搜索能力。
以前几天在微信群引起群嘲的“美国吸血鬼领社保”事件为例，让 DeepSeek R1 和 Grok3 帮我们整理整个事情的来龙去脉，并用时间线的方式展示出来。
我这里说先说下这个事情的背景，让不了解的朋友也更好理解这两个大模型的搜索效果。
前两天，马斯克发文称，几千万已经死亡的人仍在社保中标记为活着，年龄最大的已经超过 360 岁了，比美国建国还早。他还调侃称《暮光之城》也许是真的，因为有“吸血鬼”还在领取社保。。。
我们先看看 DeepSeek R1 给我整理出来的前因后果。
怎么样，DeepSeek R1 的结果还行吧，不仅交代了事情经过，还提及了各方面的反应。
但再看 Grok3 的深度搜索结果，就觉得 DeepSeek R1 有点弱了。
单从结果来看，Grok3 真的太详细了，不仅有直观清楚的思考过程，还对自已的分析进行一次验证，在回答时不仅交待更全的背景，还有更丰富的内容细节。
再看两者的查询资料，DeepSeek R1 会参考很多如百家号、大鱼号、今日头条等自媒体信息，及少量的凤凰网传统媒体的新闻，权威信息源占比较少。
Grok3 搜索的网页数量是 DeepSeek R1 的 7 倍之多，不仅有 X 平台上的实时信息，还有华盛顿日报、新闻周刊、福布斯等权威媒体的报道。
另外 DeepSeek R1 基本都是参考的国内网站，Grok3 虽然主要参考英文网站，但也会查询少量的中文网站。
从多方面来看，虽然 DeepSeek R1 已经很不错了，但 Grok3 无疑更加出色，甚至有能力代替传统的搜索引擎。
第二回合的搜索比较，Grok3 胜出。
代码能力#
代码能力是考验一个大语言模型水平的重要参考，并且各个大模型的用户占比中，程序员的比重都蛮高的，所以我们再对比 DeepSeek R1 和 Grok3 的代码能力。
我们直接从网上搜个代码题目丢给两个大模型生成代码。
编写一个 p5.js 脚本，模拟 100 个彩色小球在一个球体内部弹跳。每个小球都应留下一条逐渐消失的轨迹，显示其最近的路径。容器球体应缓慢旋转。请确保实现适当的碰撞检测，使小球保持在球体内部。
DeepSeek R1 与 Grok3 生成代码的效果对比如下：
可以看到，Grok3 生成的代码中，有些小球会超过球体，所以说代码能力并没有马斯克吹的那么厉害。
代码生成这一回合，DeepSeek R1 胜出。
图片处理能力#
用过 DeepSeek R1 的人都知道 DeepSeek R1 基本没处理图片的能力，那 Grok3 的图片处理能力到底怎样呢？
我把下面这张图丢给 Grok3，问它这张图的内容和含义。
Grok3 在短暂思考后，不仅准备列出了图片内容后，还识别出了图片的深层含义。
作为对比，我之前在 ima 知识库这篇文章中使用腾讯的混元模型也测试过这张图，但遗憾的是，混元并没解读出图片更深层的含义。
毫无疑问，Grok3 的图片处理能力也很强。
会话能力#
今天马斯克发文称，将会推出 Grok 的语音模式、记忆功能和其他更多改进。
在之前他公布过一段与 Grok3 对话的录音。
从对话可以听出来，Grok3 有较为丰富的情感，在嘲笑时还会自动配上笑声，说话语调也比较自然。
DeepSeek R1 就不用看了，暂不支持语音功能。
而至于写作能力和数学能力，我测试下来 DeepSeek R1 和 Grok3 都蛮不错的，这里就不展开细说了。
小结#
我们总结下这几项测试结果：
- 推理能力：DeepSeek R1 > Grok3
- 搜索能力：Grok3 > DeepSeek R1
- 代码能力：DeepSeek R1 > Grok3
- 图片处理能力：Grok3 > DeepSeek R1
- 会话能力：Grok3 > DeepSeek R1
从各方面来看，马斯克用 20 万张显卡堆出来的 Grok3 综合实力确实很强，但也没强到马斯克天天吹的各方面都天下第一那样。
加上马斯克嘲讽 OpenAI 和 Google 等大模型，个人觉得多少有些打脸。。
考虑到目前普通用户每天只能使用 Grok3 的 10 次思考功能。
而 DeepSeek R1 并没有这个限制，所以对很多用户来说，DeepSeek R1 的吸引力仍是非常强的。
虽然在马斯克心中，他认为最后将是 xAI 和 Google DeepMind 竞争 AI 龙头老大。
但我仍觉得，DeepSeek R1、阿里的 Qwen 和 Meta 的 Llama 等开源大语言模型也不容小觑。
你觉得呢？
