Millä erityisillä vertailuarvoilla on Grok 3 ja GPT-4O, jota on testattu

- Matematiikka: GROK 3 saavutti pisteet 93,3% 2025 American Invitational Mathematics -tutkimuksessa (AIME), kun taas GPT-4O: n suorituskykyä tällä alueella ei ole nimenomaisesti korostettu käytettävissä olevissa tiedoissa. Grok 3: n suorituskyky AIME 2024: ssä todettiin kuitenkin olevan huomattavasti korkeampi kuin GPT-4O: n yleinen suorituskyky matematiikkaan liittyvissä tehtävissä [1] [3] [5].

-Tiede ja päättely: Grok 3 sai 84,6% GPQA: n (tutkinnon suorittaneiden asiantuntijoiden päättely) testissä, joka esitteli sen vahvuutta jatkotason tiedetiedoissa. GPT-4O: n suorituskyky samanlaisissa päättelytehtävissä on yleensä alhaisempi verrattuna Grok 3: een [1] [3] [6].

- Koodaus: Grok 3 saavutti 79,4% LiveCodebenchissä, ylittäen GPT-4O: n koodintuotantotehtävissä. GPT-4O: n erityinen pistemäärä LiveCodebenchissä ei ole yksityiskohtaista, mutta Grok 3 on yleensä erinomainen koodausvertailuarvoissa [1] [3] [5].

- Yleinen tieto: Grok 3 sai 79,9% MMLU-PRO: sta, joka testaa laajaa tietoa useiden aiheiden välillä. GPT-4O sai 72,6% samassa vertailukohdassa, mikä osoittaa Grok 3: n vahvemman suorituskyvyn yleisissä tietotehtävissä [3].

- Multimodaalinen ymmärrys: Grok 3 osoitti mahdollisuuksia multimodaalisissa tehtävissä, kuten MMMU (multimodaalinen monitehtävän mallin ymmärtäminen), vaikka erityiset vertailut GPT-4O: n kanssa tällä alueella ovat rajoitetut [1] [3].

Kaiken kaikkiaan Grok 3: lla on taipumus ylittää GPT-4O: n erikoistuneissa tehtävissä, kuten matematiikka, tiede ja koodaus, kun taas GPT-4O saattaa olla monipuolisempi yleiskäyttöisissä sovelluksissa [2] [5] [6].