Millistel konkreetsetel võrdlusalustel on testitud Grok 3 ja GPT-4O

- Matemaatika: Grok 3 saavutas 2025. aasta Ameerika kutse matemaatika eksamil (AIME) 93,3%, samas kui GPT-4O jõudlust selles valdkonnas ei ole olemasolevates andmetes selgesõnaliselt esile tõstetud. Grok 3 esinemist AIME 2024-s peeti siiski oluliselt kõrgemaks kui GPT-4O üldine jõudlus matemaatikaga seotud ülesannetes [1] [3] [5].

-Teadus ja mõttekäik: Grok 3 viskas GPQA (kraadiõppe ekspertide mõttekäigu) testi 84,6%, näidates oma tugevust kraadiõppe teaduse teadmistes. GPT-4O jõudlus sarnastes mõttekäikudes on üldiselt madalam kui GROK 3 [1] [3] [6].

- Kodeerimine: Grok 3 saavutas LiveCodebenchis 79,4%, edestades GPT-4O koodide genereerimise ülesannetes. GPT-4O konkreetne tulemus LiveCodebenchil pole üksikasjalik, kuid Grok 3 paistab üldiselt silmapaistvate võrdlusalustega [1] [3] [5].

- Üldised teadmised: Grok 3 viskas MMLU-Pro kohta 79,9%, mis katsetab laia teadmisi mitmel õppeainel. GPT-4O saavutas samal võrdlusalusel 72,6%, mis näitab Grok 3 tugevamat jõudlust üldistes teadmiste ülesannetes [3].

- Multimodaalne mõistmine: Grok 3 demonstreeritud võimalused multimodaalsetes ülesannetes nagu MMMU (multimodaalne multitaskimudeli mõistmine), kuigi konkreetsed võrdlused selles piirkonnas GPT-4O-ga on piiratud [1] [3].

Üldiselt kipub Grok 3 GPT-4O edestama spetsiaalseid ülesandeid nagu matemaatika, teadus ja kodeerimine, samas kui GPT-4O võib olla mitmekülgsem üldotstarbelistes rakendustes [2] [5] [5] [6].