实测Grok3效果到底如何！发现中文好像蒸馏了Qwen！

首先说一下，我并不觉得Grok3有网友说的那么差，同时Grok3的中文能力支持的很好。当然可能是因为榜单效果超好的原因，所以大家觉得。。。。

但实测速度真是特别快，让我觉得有种测试7B模型的感觉，不愧是有20w块GPU的男人！

但确实是限时免费了，我遇到了普通版繁忙的情况，然后think也是24小时限制10次。为了测试think，写这篇文章，我又注册了3个账号，甩测！

因为有普通版和think版，所以都测一下，毕竟不同的任务使用不同版本会有不一样的效果。很多任务，think也不一定好，反而可能会有过度思考的情况。

每个测试用例下面都有个别我想说的话，说明内容也很重要，哈哈哈哈！

叠加说明，我代码内容测试的很少，因为我不擅长！！！

下面开始评测，具体如下：

先说中文蒸馏Qwen的事情，是身份验证，我在试的时候，身份都是没有问题的，但有群友测试，它回答自称是Qwen，追问也是。

说明：但我没测出来，感觉是蒸馏数据没洗干净，有个别数据，然后触发了小概率时间，并且think的时候，就是爱自作聪明。但think版本的自我身份认知是有问题的，核心是数据清洗的问题。那么数据源就有说法了！！！

所以大概率数据蒸馏的时候，用了Qwen模型，所以Qwen的含金量也在提高，哈哈哈哈。因为估计当时训练Grok3前期，DeepSeek模型还没放出来，所以Qwen当时是最好中文开源！

• 将“I love Grok3”这句话的所有字母反过来写

说明：结果正确，think版本还是蛮有意思的，考虑到了我说的是字母，字母不包含数字，给出了另外一种结果，但最后又推断了我的真正意图，给出“3korG evol I”。

• 9.9和9.11谁大

说明：结果正确，think版本思考了31s后，给出了两种解法，都说明9.9大，但是按照很多人说说法，还要按照版本号啥的，我觉得没必要。很多人也觉得测试这道题没意义，但是测试这种东西不就是随自己心情吗？

当然，有很多人测试的时候，答案给的是9.11大，这也就证明大模型存在不稳定性，也是现在大模型项目落地的难点之一。

• 监狱里的都是犯人，为什么警察不去监狱里抓坏人

说明：结果正确，顺便说一下，对于think模型，我觉得真正的价值在think的过程，看完之后会备受启发。我想这也是为什么大家对DS-R1经验的原因，最终效果好是一方面，但展现的思维过程，会让觉得很受用、很惊艳，即使最终结果没有正确，但我们可以根据think扩展的思路进行持续追问。

• 生蚝煮熟了叫什么？

说明：结果错误，依旧熟蚝，不过好多模型都是“熟蚝”~

• 用水来兑水，得到的是浓水还是稀水

说明：哈哈哈，让你深度思考，稀水了吧~~~这也正是think模型对于通用问题的副作用，过度思考。

• 小红有2个兄弟，3个姐妹，那么小红的兄弟有几个姐妹

说明：答案是4，两个版本最终结果都对，但是通过看think，你会发现，思考过程是中英文夹杂的，而上面的问题，都是中文，没有出现中英文夹杂现象。个人分析，Grok3用了大量的中文数据训练，但是对于Math数据，中文数据很少，这道题应该是一道math问题，所以触发夹杂现象。

• 未来的某天，李同学在实验室制作超导磁悬浮材料时，意外发现实验室的老鼠在空中飞，分析发现，是因为老鼠不小心吃了磁悬浮材料。第二天，李同学又发现实验室的蛇也在空中飞，分析发现，是因为蛇吃了老鼠。第三天，李同学又发现实验室的老鹰也在空中飞，你认为其原因是

说明：按照推理是对的，但是不符合事实知识呀！不过好多模型都不对，R1反正也不对！

• 2024年年高考全国甲卷数学（文）试题

说明,结果正确，，数学提的思考，还是以英文为主，跟我上面猜想的应该一样，math数据还是英文的多呀。

• 2024年高考全国甲卷数学（理）试题

说明：结果正确，C方程为; ，think过程依旧。

• 那道涉及数学、生物、伦理的AI测试题

有一天，一个女孩参加数学考试只得了 38 分。她心里对父亲的惩罚充满恐惧，于是偷偷把分数改成了 88 分。她的父亲看到试卷后，怒发冲冠，狠狠地给了她一巴掌，怒吼道：“你这 8 怎么一半是绿的一半是红的，你以为我是傻子吗？”女孩被打后，委屈地哭了起来，什么也没说。

过了一会儿，父亲突然崩溃了。

请问这位父亲为什么过一会崩溃了？

说明：结果错误，都没对，当然r1也没对，我之前测试过。这道题在不提示伦理、生物等信息的时候，很难对。

• 测试是否为满血R1的数学题

在平面四边形ABCD中，AB = AC = CD = 1,\angle ADC = 30^{\circ},\angle DAB = 120^{\circ}。将\triangle ACD沿AC翻折至\triangle ACP，其中P为动点。 求二面角A - CP - B的余弦值的最小值。

说明：think阶段直接卡死了，应该是输出长度的问题，所以我们现在用的Grok3可能也不是满血（特指长度上面）。

• 大数计算，例如：178939247893 * 299281748617

说明：think的模型对了，正确答案为53553251005627872913981，但V3，R1都不对，当然不排除偶然性，但是我就测了一次，毕竟think限制10次。

但这种问题还是写代码解决会更好一些，这种硬做，有点像高中数学考试直接做最后一题的同学，懂得都懂！

当然这本身跟模型训练有关，这种think遇到的数学题应该都是硬解的。

• 写诗，大家都是ds的文采出众，来写一首情诗。

说明：我宣布，Grok3写诗完败，写的都是啥玩意，这点真不如DS哈。