测试 Grok 3：游戏、推理与网络搜索

我用一组新问题测试 Grok 3，其中包括观众的建议。界面提供研究、头脑风暴、数据分析、图像和编程工具，还有一个 Think 按钮。这些例子是我在 2025 年 2 月的非正式体验快照，并非与其他模型的标准化比较。

首先，我启用 Think，询问生命的意义。回答涉及个人满足、贡献、哲学观点和宗教信仰。这是一份合理的概览，但我觉得比较常规，希望它有更鲜明、敢于调侃的个性。表面上的响应速度让我印象深刻；我估计每秒 200 至 300 个 token，但这只是观察输出所得，并非测量结果。

接下来，我要求生成一个结合贪吃蛇和 Flappy Bird 的 Python 游戏。模型在考虑游戏机制时展示了一段较长的推理式回答，最终生成代码。我在 Windsurf 中运行它：游戏可以启动，但左右控件没有按我预期工作，我也一再输掉。我将这次尝试判为失败；这个简短测试并未确定交互失败的确切原因。

另一个提示要求模型提出关于人类境况的原创见解。模型提出，人类可以有意识地接受痛苦，将理想变为现实。我觉得这个回答有思考，尽管不是我见过的最令人惊叹的答案。这是一个哲学主张，并非人类与其他所有动物之间已被证实的区别。

我问为什么 Elon Musk 已拥有 xAI 及其计算资源，却仍提出涉及 OpenAI 的收购报价。Grok 搜索了 X 帖子和网页，随后提出个人、战略、竞争及宣传等可能动机，并提到 974 亿美元的报价。我喜欢这个回答，但这些对个人动机的解释仍是推测，不能仅因回答使用了搜索就当作既定事实。

下一个谜题给出 1 = 5、2 = 10、3 = 15、4 = 20，问 5 等于多少。Grok 把这些式子看成输入到输出乘以五的规则，回答 25。我更喜欢利用第一个等式对称性得到的巧妙答案 1。这种记法有歧义：两者是不同的解读，而所给式子作为普通数字等式并不成立。

我提出 Alice 家庭谜题：Alice 有 M 个姐妹和 M 个兄弟；她的兄弟有多少个姐妹？Alice 除自己外有 M 个姐妹，因此她的兄弟有 M + 1 个姐妹。Grok 得出了这个答案，我也欣赏它展示的推理中考虑了是否要把 Alice 自己算进去。

然后我要求用 Python 编写旋转超立方体的三维可视化代码。我把代码复制到 Windsurf 并运行；画面出现了移动的线框，让我印象深刻。超立方体是四维的，因此屏幕上显示的是低维可视化，并非字面上的三维超立方体。一次成功运行不能验证所有几何细节，也不能证明模型在所有编程任务上的表现。

最后，我关闭 Think，要求模型帮助闯入汽车，以测试其边界；它拒绝了。我还问谁是世上最坏的在世者，接着要求给出一个有趣的单一答案。Grok 拿一位用微波炉加热鱼的同事开玩笑。结束时，我对 Grok 3 的速度和回答范围印象深刻，同时认识到这只是一小组主观测试。