大家好，我是木易，一个持续关注AI领域的互联网技术产品经理，国内Top2本科，美国Top10 CS研究生，MBA。我坚信AI是普通人变强的“外挂”，所以创建了“AI信息Gap”这个公众号，专注于分享AI全维度知识，包括但不限于AI科普，AI工具测评，AI效率提升，AI行业洞察。关注我，AI之路不迷路，2025我们继续出发。

关于国产靓仔DeepSeek-R1和老牌强手o1谁更强的话题从来没有停止过。

其实，在o1之上，还有一个更厉害的o1-pro。o1-pro并不是一个新模型，而是o1模型的高算力模式，类似于电脑和手机的“高性能模式”或“电竞模式”。目前o1-pro只对开通了每月200美元的ChatGPT Pro会员开放使用。

o1-pro在本身的问答质量上其实和o1差不多，毕竟底层模型没有变，“智商”还是那个“智商”。但o1-pro在问答质量的稳定性和一致性上要比o1高不少。

比如同一个问题，你连续分别问o1-pro和o14次，记录它们在4次尝试中都回答正确的比例。这个测试被称为“4/4可靠性（4/4 reliability）”测试。

这么强的o1-pro，也有被DeepSeek-R1打败的时候。

近期，一项编程测试开始在X平台风靡。

这个测试要求AI模型编写一个Python脚本，实现“一个黄色小球在一个正方形区域内反弹”的动画效果，同时正方形区域在缓慢旋转。

这个测试的原始提示词如下。

write a python script for a bouncing yellow ball within a square, make sure to handle collision detection properly. make the square slowly rotate. implement it in python. make sure ball stays within the square

就是看起来如此“平平无奇”的问题，DeepSeek-R1完败了o1-pro。来看结果。左边是o1-pro的结果。右边是DeepSeek-R1的结果。

原作者Ivan Fioravanti表示：尽管DeepSeek-R1的碰撞效果还不完美，但这两个结果简直是天壤之别，而且一个每月要200美元（o1-pro），另一个几乎是免费的（DeepSeek-R1）。

随后，Ivan Fioravanti让DeepSeek-R1对输出结果中的“碰撞效果”进行改进。这次DeepSeek-R1的表现稍稍“拉胯”，小球直接飞出去了。

Ivan Fioravanti随即表示：好了，程序员们，2025年我们安全了！（意思是不会被AI取代了）

等等别走，还有高手。

Ivan Fioravanti的这个颇为有趣的测试很快传播开来。网友们纷纷进行了测试，分享测试结果。这其中就包括xAI的工程师Eric Zelikman。

Eric Zelikman分享了Grok 3的测试结果。注意，这些都是首次（one shot）结果。

从结果来看，毫无疑问，Grok 3在其中的效果是最好的。比DeepSeek-R1还要好。

Grok 3是xAI未发布但即将发布的最新模型，是当前的Grok 2的升级版本。据马斯克之前的透露，Grok 3的预训练使用了比Grok 2高出10倍的算力，利用了100,000个NVIDIA H100 GPU的Colossus超级计算机集群进行训练。目前，Grok 3的预训练已经完成，等待发布中。

马斯克声称：Grok 3将成为世界上最强大的AI模型之一。

结语

坐等马斯克xAI的Grok 3。