Hogyan hasonlít a Grok 3 teljesítménye a GPT-4O-hoz és az Ikrekhez

Grok 3 versus GPT-4O:
* Benchmarks: A GROK 3 számos referenciaértéknél kiemelkedő teljesítményt mutatott a GPT-4O-hoz képest [1] [4]. Ide tartoznak a matematika (aime 24), a tudomány (GPQA) és a kódolás (LCB OCT-FEB) [1]. A Grok 3 52-et, a tudományban 75, a kódolásban pedig 57-et, a GPT-4O-t felülmúlta ezeken a területeken [1] [4].
* Nyelvi megértés: A GROK 3 94,2% -os pontosságot ért el a nyelvi megértési tesztekben, kissé meghaladva a CHATGPT 92,8% -át [2].
* Kódolás: A GROK 3 állítólag 1,2x gyorsabb, mint a CHATGPT, a kódgenerációs sebességben, átlagos válaszideje 0,8 másodperc [2].
* Aréna pontszám: A Grok 3 korai verziója, amelyet "csokoládé" -nak neveztek, az első AI volt, amely meghaladta az 1400-as pontszámot az LMSYS chatbot arénában, felülmúlva a GPT-4O-t [4].
* Indokolás és valós idejű adatok: A GROK 3 erősséget mutat a matematikai érvelés, a kódolási feladatok, a valós idejű adatok elemzésében és a jelenlegi események megbeszélésében [2].
* Képzés: A GROK 3-at az X (korábban Twitter) valós idejű adatok felhasználásával képzik, naprakész információkat biztosítva [2]. A Xai Colossus szuperklaszterén képzett, 100 000 GPU -val felszerelt [2].

Grok 3 versus Ikrek:

* Benchmarks: A GROK 3 felülmúlta a Google Deepmind Gemini-2 Pro-t a különféle referenciaértékeken [1].
* Chatbot Aréna (LMSYS): A GROK 3 korai verziója felülmúlta a főbb modelleket, mint például a Gemini-2.0 Flash gondolkodás a chatbot arénában [1].
* Matematika (aime 24): A matematika (aime 24) referenciaértékén a Grok 3 52-et, míg a Gemini-2 Pro 39-et szerzett [4].
* Tudomány (GPQA): A Science (GPQA) a Grok 3-ban 75 pontot szerzett, felülmúlva a Gemini-2 Pro-t, amely 65-et szerzett [4].