Vilka specifika riktmärken har GROK 3 och GPT-4O testats på

- Matematik: Grok 3 uppnådde en poäng på 93,3% på den amerikanska inbjudningsmatematikundersökningen 2025 (AIME), medan GPT-4O: s prestanda inom detta område inte uttryckligen framhävs i tillgängliga data. Grok 3: s prestanda i AIME 2024 noterades emellertid som signifikant högre än GPT-4O: s allmänna prestanda i matematikrelaterade uppgifter [1] [3] [5].

-Vetenskap och resonemang: GROK 3 fick 84,6% på GPQA (expert av expertnivå) och visar sin styrka i forskarnivå vetenskapskunskap. GPT-4O: s prestanda i liknande resonemang är i allmänhet lägre jämfört med GROK 3 [1] [3] [6].

- Kodning: GROK 3 uppnådde 79,4% på LiveCodebench, överträffade GPT-4O i kodgenereringsuppgifter. GPT-4O: s specifika poäng på LiveCodebench är inte detaljerad, men Grok 3 utmärker sig i allmänhet i kodande riktmärken [1] [3] [5].

- Allmän kunskap: GROK 3 fick 79,9% på MMLU-Pro, som testar bred kunskap över flera ämnen. GPT-4O gjorde 72,6% på samma riktmärke, vilket indikerar Grok 3: s starkare prestanda i allmänna kunskapsuppgifter [3].

- Multimodal förståelse: GROK 3 visade kapacitet i multimodala uppgifter som MMMU (multimodal multitask-modellförståelse), även om specifika jämförelser med GPT-4O i detta område är begränsade [1] [3].

Sammantaget tenderar GROK 3 att överträffa GPT-4O i specialiserade uppgifter som matematik, vetenskap och kodning, medan GPT-4O kan vara mer mångsidig i allmänna tillämpningar [2] [5] [6].