几个月前，DeepSeek 凭借其 V3、R1 和 Janus 模型震撼了 AI 世界。而最近，埃隆·马斯克的 Grok 3 也加入了这场竞争！Grok 3 声称是地球上最智能的 AI，人们对它的期望极高。根据 xAI 团队在发布会上公布的官方基准测试结果，它似乎是一个性能强大的模型，在多项基准测试中超越了所有竞争对手。但问题是，它是否真的适合我们日常生活中需要完成的普通任务呢？
读完这篇文章，你就会找到答案。让我们开始对 Grok 3 和 DeepSeek R1 进行五项不同任务的测试！
任务 1：Python 代码生成
提示：“编写一个 Python 函数，使用深度优先搜索生成随机迷宫，并通过 Matplotlib 进行可视化”
Grok 3 生成的代码：
import random
import numpy as np
import matplotlib.pyplot as plt
def generate_maze(width, height):
"""
Generate a random maze using Depth-First Search and visualize it with Matplotlib.
Parameters:
width (int): Width of the maze (number of columns)
height (int): Height of the maze (number of rows)
"""
# Initialize the maze grid with walls (1) and paths (0)
maze = np.ones((height * 2 + 1, width * 2 + 1), dtype=int)
maze[1::2, 1::2] = 0 # Set paths (odd rows/columns) to 0
def carve_path(x, y):
"""
Recursively carve paths in the maze using DFS.
"""
directions = [(0, 2), (2, 0), (-2, 0), (0, -2)] # Down, Right, Up, Left
random.shuffle(directions)
for dx, dy in directions:
new_x, new_y = x + dx, y + dy
if (0 <= new_x < height * 2 + 1 and
0 <= new_y < width * 2 + 1 and
maze[new_x, new_y] == 1):
maze[new_x - dx // 2, new_y - dy // 2] = 0 # Remove wall
maze[new_x, new_y] = 0 # Carve path
carve_path(new_x, new_y)
# Start carving from the top-left path (1,1)
carve_path(1, 1)
# Ensure entrance and exit are open (top-left and bottom-right paths)
maze[0, 1] = 0 # Entrance
maze[-1, -2] = 0 # Exit
# Visualize the maze
plt.figure(figsize=(width // 2, height // 2))
plt.imshow(maze, cmap='binary', interpolation='nearest')
plt.title("Random Maze Generated with DFS")
plt.axis('off')
plt.show()
return maze
# Example usage
if __name__ == "__main__":
# Generate a 10x10 maze (actual grid will be 21x21 due to walls)
maze = generate_maze(10, 10)#import csvDeepSeek R1 生成的代码：
import random
import matplotlib.pyplot as plt
def generate_maze(width, height):
# Initialize the grid with walls (1)
grid = [[1 for _ in range(width)] for _ in range(height)]
# Starting point
start_x, start_y = 1, 1
grid[start_y][start_x] = 0
# Stack for DFS
stack = [(start_x, start_y)]
# Directions: up, right, down, left
directions = [(0, -2), (2, 0), (0, 2), (-2, 0)]
while stack:
x, y = stack[-1]
random.shuffle(directions)
for dx, dy in directions:
nx, ny = x + dx, y + dy
if 0 < nx < width - 1 and 0 < ny < height - 1 and grid[ny][nx] == 1:
grid[ny][nx] = 0
grid[y + dy // 2][x + dx // 2] = 0
stack.append((nx, ny))
break
else:
stack.pop()
return grid
def plot_maze(grid):
height = len(grid)
width = len(grid[0])
fig, ax = plt.subplots(figsize=(width, height))
ax.set_xticks([])
ax.set_yticks([])
for y in range(height):
for x in range(width):
if grid[y][x] == 1:
ax.add_patch(plt.Rectangle((x, height - y - 1), 1, 1, color='black'))
ax.set_xlim(0, width)
ax.set_ylim(0, height)
ax.set_aspect('equal')
plt.gca().invert_yaxis()
plt.show()
# Parameters
maze_width = 21 # Should be odd
maze_height = 21 # Should be odd
# Generate and plot the maze
maze = generate_maze(maze_width, maze_height)
plot_maze(maze)#import csv观察：
DeepSeek R1 的输出展示了一个清晰且结构良好的迷宫，看起来非常专业。其尖锐且一致的墙壁形成了一条封闭的迷宫路径，既具有挑战性，又在视觉上显得干净整洁。它遵循了良好的迷宫生成原则，既实用又美观。
相比之下，Grok 3 的输出显得非常像素化，由于厚重的黑白网格结构，路径不够清晰。整体设计显得更加混乱，与 DeepSeek R1 相比，路径不够明确。尽管它也使用了深度优先搜索（DFS）进行生成，但在视觉清晰度和可用性方面明显不如 DeepSeek R1，使其成为一个不太有效的迷宫表示。
结论：
Grok 3 ? | DeepSeek R1 ?
任务 2：网络搜索
由于 DeepSeek R1 不支持网络搜索，因此我使用了 DeepSeek 的搜索功能来完成这项任务。
提示：“截至 2025 年，核聚变技术的最新进展有哪些？输出格式——进展列表 + 来源”
观察：
在回答像核聚变技术进展这样的研究性问题时，DeepSeek R1 比 Grok 3 更出色。DeepSeek R1 的最大优势在于它为每个说法都提供了可点击的来源链接，确保了透明度和可信度。它涵盖了更广泛的进展，包括聚变燃料技术、私人投资、监管变化以及政府举措，使其回答更加全面。此外，其来源来自 ITER、UKAEA 和美国能源部等权威平台，显著提高了可信度。
相比之下，虽然 Grok 3 在解释深度上表现更好，但由于没有提供直接的来源链接，因此在可信度方面稍显不足。它模糊地引用了 BBC 新闻或 MIT 新闻等新闻媒体，但没有明确的引用。一个主要弱点是它依赖于 X（Twitter）上的帖子，这些帖子往往包含未经验证的说法。尽管 Grok 3 承认了这些局限性，但缺乏可靠的来源使其在事实性研究方面不太可靠。
结论：
Grok 3 ? | DeepSeek R1 ?
任务 3：使用 HTML 进行基础动画
提示： “创建一个 HTML + CSS 代码，让一个红色小球在一个正方形内持续旋转。”
Grok 3 输出：
在正方形内旋转的红色小球
DeepSeek R1 输出：
输出：
观察：
显然，Grok 3 在理解提示并生成正确回答方面存在困难。DeepSeek R1 大约花费了 8 到 10 分钟才给出回答，但其输出更加精确和准确。
结论：
Grok 3 ? | DeepSeek R1 ?
任务 4：图像分析
提示：“分析这个棋盘局面。建议当前玩家（白方）的最佳走法以将死黑方，并解释理由”
观察：
Grok 3 和 DeepSeek R1 都没有给出正确答案。Grok 3 建议 e4-e5，但这并不能将死黑方或威胁到黑方的国王。DeepSeek R1 建议 Qe1#，但在这个局面中，这个走法是不可能的，说明它误解了棋盘位置。正确的走法是 Qf7#，此时白方的后可以通过困住黑方国王来实现将死。Grok 3 没有识别出立即的将死机会，而 DeepSeek R1 则错误地假设了棋盘布局，而不是分析实际的局面。
结论：
Grok 3 ? | DeepSeek R1 ?
任务 5：逻辑推理
提示：“解决这个斑马谜题。以表格形式给出答案”
观察：
DeepSeek R1 的回答虽然花费了更长时间，但给出了正确答案。Grok 3 没有理解图像内容，给出了错误的输出。
结论：
Grok 3 ? | DeepSeek R1 ?
Grok 3 与 DeepSeek R1：结果
埃隆·马斯克的 Grok 3 被宣传为 AI 领域的颠覆者，声称是地球上最智能的模型。然而，在实际测试中，它未能达到预期。
在多项任务中，Grok 3 在准确性、逻辑推理和复杂问题解决方面表现出色，常常给出错误或结构不佳的回答。与此同时，DeepSeek R1 一直表现更好，在代码生成、网络搜索和逻辑推理等关键领域提供了更准确、更有条理且可验证的答案。
尽管宣传力度很大，但 Grok 3 在基本推理任务上仍然存在不足，这表明 xAI 的训练方法需要进行重大改进。然而，考虑到马斯克在快速迭代和改进方面的记录，未来版本是否能够弥补这一差距将非常有趣。Grok 3 是否会成为其宣称的 AI 强国，还是会成为一个被过度炒作的实验？时间会给出答案。