Na jakich konkretnych testach porównawczych Grok 3 i GPT-4O zostały przetestowane

- Matematyka: Grok 3 osiągnął wynik 93,3% w stosunku do American Invitational Mathematics Examination (AIME) 2025 (AIME), podczas gdy wydajność GPT-4O w tym obszarze nie jest wyraźnie podkreślona w dostępnych danych. Jednak wydajność Grok 3 w AIME 2024 została zauważona jako znacznie wyższa niż ogólna wydajność GPT-4O w zadaniach związanych z matematyką [1] [3] [5].

-Nauka i rozumowanie: GROK 3 uzyskał 84,6% w testach GPQA (podyplomowe rozumowanie ekspertów na poziomie), pokazując jego siłę w wiedzy naukowej na poziomie absolwentów. Wydajność GPT-4O w podobnych zadaniach rozumowania jest ogólnie niższa w porównaniu z Grok 3 [1] [3] [6].

- Kodowanie: Grok 3 osiągnął 79,4% w LiveCodeBench, przewyższając GPT-4O w zadaniach generowania kodu. Specyficzny wynik GPT-4O na LiveCodeBench nie jest szczegółowy, ale Grok 3 ogólnie wyróżnia się w kodowaniu testów porównawczych [1] [3] [5].

- General Knowledge: Grok 3 scored 79.9% on the MMLU-Pro, which tests broad knowledge across multiple subjects. GPT-4O uzyskał 72,6% w tym samym odniesieniu, co wskazuje na silniejszą wydajność Grok 3 w zadaniach wiedzy ogólnej [3].

- Zrozumienie multimodalne: GROK 3 wykazało możliwości w zadaniach multimodalnych, takich jak MMMU (Multimodal Multitash Model Zrozumienie), chociaż specyficzne porównania z GPT-4O w tym obszarze są ograniczone [1] [3].

Ogólnie rzecz biorąc, GROK 3 ma tendencję do przewyższenia GPT-4O w specjalistycznych zadaniach, takich jak matematyka, nauka i kodowanie, podczas gdy GPT-4O może być bardziej wszechstronne w zastosowaniach ogólnego przeznaczenia [2] [5] [6].