どの特定のベンチマークがGROK 3とGPT-4Oがテストされていますか

- 数学：Grok 3は、2025 American Invitational Mathematics Examination(AIME)で93.3％のスコアを達成しましたが、この分野でのGPT-4oのパフォーマンスは、利用可能なデータで明示的に強調されていません。しかし、AIME 2024でのGrok 3のパフォーマンスは、数学関連のタスクでのGPT-4oの一般的なパフォーマンスよりも有意に高いことが認められました[1] [3] [5]。

- 科学と推論：GROK 3は、GPQA(大学院レベルの専門家推論)テストで84.6％を獲得し、大学院レベルの科学知識に強さを示しました。同様の推論タスクにおけるGPT-4oのパフォーマンスは、一般にGrok 3 [1] [3] [6]と比較して低くなります。

- コーディング：Grok 3は、LiveCodebenchで79.4％を達成し、コード生成タスクでGPT-4Oを上回りました。 LiveCodebenchでのGPT-4Oの特定のスコアは詳細ではありませんが、Grok 3は一般にベンチマークのコーディングに優れています[1] [3] [5]。

- 一般知識：Grok 3はMMLU-Proで79.9％を獲得しました。これは、複数の被験者で幅広い知識をテストします。 GPT-4oは同じベンチマークで72.6％を獲得し、Great 3の一般的な知識タスクでのパフォーマンスが強いことを示しています[3]。

- マルチモーダル理解：GROK 3は、MMMU(マルチモーダルマルチタスクモデルの理解)などのマルチモーダルタスクで機能を実証しましたが、この領域のGPT-4Oとの特定の比較は限られています[1] [3]。

全体として、GROK 3は数学、科学、コーディングなどの特殊なタスクでGPT-4Oを上回る傾向がありますが、GPT-4Oは一般的なアプリケーション[2] [5] [6]でより多用途になる可能性があります。