Aké konkrétne referenčné hodnoty boli testované na Grok 3 a GPT-4O

- Matematika: Grok 3 dosiahla skóre 93,3% pri 2025 American Invitational Mathematics Examination (AIME), zatiaľ čo výkon GPT-4O v tejto oblasti nie je výslovne zvýraznený v dostupných údajoch. Výkon Grok 3 v AIME 2024 bol však zaznamenaný ako výrazne vyšší ako všeobecná výkonnosť GPT-4O v úlohách súvisiacich s matematikami [1] [3] [5].

-Veda a zdôvodnenie: Grok 3 zaznamenal 84,6% na teste GPQA (odborník na postgraduálnej úrovni), ktorý predstavil svoju silu vo vedeckých poznatkoch na postgraduálnej úrovni. Výkon GPT-4o v podobných úvahách je vo všeobecnosti nižší v porovnaní s Grok 3 [1] [3] [6].

- Kódovanie: Grok 3 dosiahol 79,4% na LiCodeBench, prekonal GPT-4O v úlohách generovania kódu. Špecifické skóre GPT-4O na LiCodeBench nie je podrobné, ale Grok 3 všeobecne vyniká v kódovacích referenčných hodnotách [1] [3] [5].

- Všeobecné znalosti: Grok 3 získal 79,9% na MMLU-PRO, ktorý testuje široké znalosti vo viacerých predmetoch. GPT-4O získal 72,6% na rovnakom referenčnom bode, čo naznačuje silnejší výkon Grok 3 vo všeobecných znalostiach [3].

- Multimodálne porozumenie: Grok 3 preukázali schopnosti v multimodálnych úlohách, ako je MMMU (multimodálne porozumenie modelu multitask), hoci špecifické porovnania s GPT-4O v tejto oblasti sú obmedzené [1] [3].

Celkovo má Grok 3 tendenciu prekonávať GPT-4O v špecializovaných úlohách, ako je matematika, veda a kódovanie, zatiaľ čo GPT-4O môže byť všestrannejšia vo všeobecných účtoch [2] [5] [6].