Kako se uspešnost Groka 3 primerja z GPT-4O in Dvojčkom

GROK 3 proti GPT-4O:
* Merila: GROK 3 je pokazal vrhunsko zmogljivost na več referenčnih vrednostih v primerjavi z GPT-4O [1] [4]. Sem spadajo matematika (Aimeâ 24), znanost (GPQA) in kodiranje (LCB OCT-FEB) [1]. Grok 3 je dosegel 52 v matematiki, 75 v znanosti in 57 pri kodiranju, kar je presegalo GPT-4O na teh območjih [1] [4].
* Razumevanje jezika: Grok 3 je dosegel 94,2% natančnost v testih za razumevanje jezika, kar je rahlo presegalo 92,8% Chatgpta [2].
* Kodiranje: Grok 3 naj bi bil 1,2x hitreje kot chatgpt v hitrosti ustvarjanja kode, povprečni odzivni čas 0,8 sekunde [2].
* Arena Rezultat: Zgodnja različica Groka 3, imenovana "čokolada", je bila prva AI, ki je presegla oceno 1400 v Areni LMSYS Chatbot, ki je presegla GPT-4O [4].
* Obrazložitev in podatki v realnem času: GROK 3 prikazuje moč pri matematičnem sklepanju, kodirajočih nalogah, analizi podatkov v realnem času in trenutnih razpravah o dogodkih [2].
* Usposabljanje: Grok 3 je usposobljen s pomočjo podatkov v realnem času iz X (prej Twitterja), ki mu daje posodobljene informacije [2]. Izobražena je bila na Xai's Colossus Supercluster, opremljena s 100.000 GPU [2].

GROK 3 proti Blizancem:

* Merila: Grok 3 je na različnih referenčnih vrednostih presegel Google Deepmind's Gemini-2 Pro [1].
* Chatbot Arena (LMSYS): Zgodnja različica Groka 3 je presegla glavne modele, kot je GEMINI-2.0 Flash Thinking na Areni Chatbot [1].
* Matematika (Aimeâ 24): Na referenčnem merilu matematike (Aimeâ 24) je Grok 3 dosegel 52, medtem ko je Gemini-2 Pro dosegel 39 [4].
* Znanost (GPQA): V Science (GPQA) je Grok 3 dosegel 75, kar je presegalo Gemini-2 Pro, ki je dosegel 65 [4].