Hvilke spesifikke benchmarks har GROG 3 og GPT-4O blitt testet på

- Matematikk: GROK 3 oppnådde en poengsum på 93,3% på 2025 American Invitational Mathematics Examination (AIME), mens GPT-4Os ytelse på dette området ikke eksplisitt blir fremhevet i tilgjengelige data. Imidlertid ble GROK 3s ytelse i AIME 2024 notert som betydelig høyere enn GPT-4Os generelle ytelse i matematikkrelaterte oppgaver [1] [3] [5].

-Vitenskap og resonnement: GROK 3 scoret 84,6% på GPQA (utdannet ekspert resonnement) -test, og viste sin styrke i vitenskapskunnskap på graden. GPT-4Os ytelse i lignende resonnementoppgaver er generelt lavere sammenlignet med GROK 3 [1] [3] [6].

- Koding: GROK 3 oppnådde 79,4% på LiveCodeBench, og overgikk GPT-4O i kodeproduksjonsoppgaver. GPT-4Os spesifikke poengsum på LiveCodeBench er ikke detaljert, men GROK 3 utmerker seg generelt i kodende benchmarks [1] [3] [5].

- Generell kunnskap: GROK 3 scoret 79,9% på MMLU-Pro, som tester bred kunnskap på tvers av flere fag. GPT-4O scoret 72,6% på samme målestokk, noe som indikerte GROK 3s sterkere ytelse i generelle kunnskapsoppgaver [3].

- Multimodal forståelse: GROK 3 Demonstrerte evner i multimodale oppgaver som MMMU (multimodal multitask-modellforståelse), men spesifikke sammenligninger med GPT-4O i dette området er begrenset [1] [3].

Totalt sett har GROK 3 en tendens til å utkonkurrere GPT-4O i spesialiserte oppgaver som matematikk, vitenskap og koding, mens GPT-4O kan være mer allsidige i generelle applikasjoner [2] [5] [6].