哪些特定基准测试了3和GPT-4O

- 数学：Grok 3在2025年的美国邀请赛数学考试(AIME)上获得了93.3％的得分，而GPT-4O在该领域的表现并未在可用数据中明确强调。但是，Grok 3在AIME 2024中的表现明显高于GPT-4O在与数学相关的任务中的一般表现[1] [3] [5]。

- 科学与推理：Grok 3在GPQA(研究生级专家推理)测试中得分84.6％，展示了其在研究生级科学知识中的实力。与GROK 3 [1] [3] [6]相比，GPT-4O在类似推理任务中的性能通常更低。

- 编码：Grok 3在LiveCodeBench上获得了79.4％，在代码生成任务中表现优于GPT-4O。 GPT-4O在livecodebench上的特定分数尚未详细详细介绍，但是Grok 3通常在编码基准测试方面擅长[1] [3] [5]。

- 一般知识：Grok 3在MMLU-PRO上得分79.9％，该Pro测试了多个受试者的广泛知识。 GPT-4O在同一基准测试中得分72.6％，表明Grok 3在常识任务中的表现更强[3]。

- 多模式理解：Grok 3在多模式任务(例如MMMU(多模式多任务模型理解))中证明了功能，尽管该领域中与GPT-4O的特定比较受到限制[1] [3]。

总体而言，在数学，科学和编码等专业任务中，Grok 3倾向于优于GPT-4O，而GPT-4O在通用应用中可能更通用[2] [5] [6]。