Grok 3 ve GPT-4O hangi belirli kriterler üzerinde test edildi

- Matematik: GROK 3, 2025 Amerikan Invitational Matematik Sınavı'nda (AIME)% 93.3 puan elde ederken, GPT-4O'nun bu alandaki performansı mevcut verilerde açıkça vurgulanmamıştır. Bununla birlikte, GROK 3'ün AIME 2024'teki performansı, GPT-4O'nun matematikle ilgili görevlerdeki genel performansından önemli ölçüde daha yüksek olduğu kaydedildi [1] [3] [5].

-Bilim ve Akıl Yürütme: GROK 3, GPQA (Lisansüstü Seviye Uzman Akıl Yürütme) testinde% 84.6 puan aldı ve lisansüstü bilim bilgisinde gücünü sergiledi. GPT-4O'nun benzer akıl yürütme görevlerindeki performansı genellikle GROK 3 [1] [3] [6] ile karşılaştırıldığında daha düşüktür.

- Kodlama: GROK 3, LiveCodeBench'te% 79.4'e ulaştı ve kod oluşturma görevlerinde GPT-4O'dan daha iyi performans gösterdi. GPT-4O'nun LiveCodeBench'teki spesifik puanı ayrıntılı değildir, ancak GROK 3 genellikle kodlama ölçütlerinde mükemmeldir [1] [3] [5].

- Genel Bilgi: GROK 3, MMLU-Pro'da% 79,9 puan aldı ve bu da birden fazla konuda geniş bilgiyi test etti. GPT-4O, aynı ölçütte% 72.6 puan aldı ve GROK 3'ün genel bilgi görevlerindeki daha güçlü performansını gösterdi [3].

- Multimodal anlayış: GROK 3, MMMU (multimodal çoklu görevli model anlayışı) gibi multimodal görevlerde yetenekleri gösterdi, ancak bu alandaki GPT-4O ile spesifik karşılaştırmalar sınırlıdır [1] [3].

Genel olarak, GROK 3, matematik, bilim ve kodlama gibi özel görevlerde GPT-4O'dan daha iyi performans gösterirken, GPT-4O genel amaçlı uygulamalarda daha çok yönlü olabilir [2] [5] [6].